論文の概要: Pediatric Appendicitis Detection from Ultrasound Images

• arxiv url: http://arxiv.org/abs/2511.04069v1
• Date: Thu, 06 Nov 2025 05:19:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 20:17:53.307612
• Title: Pediatric Appendicitis Detection from Ultrasound Images
• Title（参考訳）: 超音波画像による小児虫垂炎の検出
• Authors: Fatemeh Hosseinabadi, Seyedhassan Sharifi,
• Abstract要約: 小児虫垂炎は小児の急性腹痛の最も多い原因の1つである。 本研究では,超音波画像から虫垂炎を自動的に検出するための事前訓練されたResNetアーキテクチャに基づく深層学習モデルの開発と評価を目的とした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pediatric appendicitis remains one of the most common causes of acute abdominal pain in children, and its diagnosis continues to challenge clinicians due to overlapping symptoms and variable imaging quality. This study aims to develop and evaluate a deep learning model based on a pretrained ResNet architecture for automated detection of appendicitis from ultrasound images. We used the Regensburg Pediatric Appendicitis Dataset, which includes ultrasound scans, laboratory data, and clinical scores from pediatric patients admitted with abdominal pain to Children Hospital. Hedwig in Regensburg, Germany. Each subject had 1 to 15 ultrasound views covering the right lower quadrant, appendix, lymph nodes, and related structures. For the image based classification task, ResNet was fine tuned to distinguish appendicitis from non-appendicitis cases. Images were preprocessed by normalization, resizing, and augmentation to enhance generalization. The proposed ResNet model achieved an overall accuracy of 93.44, precision of 91.53, and recall of 89.8, demonstrating strong performance in identifying appendicitis across heterogeneous ultrasound views. The model effectively learned discriminative spatial features, overcoming challenges posed by low contrast, speckle noise, and anatomical variability in pediatric imaging.
• Abstract（参考訳）: 小児虫垂炎は小児の急性腹痛の最も多い原因の1つであり、診断は重度の症状と画像品質の変動により臨床医に挑戦し続けている。 本研究では,超音波画像から虫垂炎を自動的に検出するための事前訓練されたResNetアーキテクチャに基づく深層学習モデルの開発と評価を目的とした。 小児の腹痛を主訴に来院した小児科患者を対象に, 超音波検査, 検査データ, 臨床検査結果を含む Regensburg Pediatric Appendicitis Dataset を用いた。 ドイツ、レーゲンスブルクのヘドヴィヒ出身。 各被験者は右下四肢,虫垂,リンパ節,関連組織を1～15個の超音波像で観察した。 画像ベース分類では, 虫垂炎と非虫垂炎を区別するためにResNetを微調整した。 画像は、一般化を強化するために、正規化、再サイズ化、拡張によって前処理された。 提案したResNetモデルは、93.44の総合精度、91.53の精度、89.8のリコールを達成し、異種超音波画像における虫垂炎の同定に強い性能を示した。 このモデルは、低コントラスト、スペックルノイズ、および小児画像における解剖学的変動によって引き起こされる課題を克服し、識別的空間的特徴を効果的に学習した。

関連論文リスト

• Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation [83.02147613524032]
  医療用AIシステムFetalMindについて報告する。 本稿では、専門家による2部グラフをモデルに注入し、ビュー・ディスリーズ関連を分離するSED(Salient Epistemic Disentanglement)を提案する。 FetalMindはすべての妊娠期のオープンソースおよびクローズドソースベースラインを上回り、平均利得は+14%、臨界条件では+61.2%高い。
  論文  参考訳（メタデータ） (2025-10-14T19:57:03Z)
• Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
  プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。 UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。 疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
  論文  参考訳（メタデータ） (2024-11-25T13:40:11Z)
• Spatial-aware Attention Generative Adversarial Network for Semi-supervised Anomaly Detection in Medical Image [63.59114880750643]
  本稿では,一級半教師付き健康画像生成のための空間意識生成ネットワーク(SAGAN)について紹介する。 SAGANは、正常な画像の復元と擬似異常画像の復元によって導かれる、ラベルのないデータに対応する高品質な健康画像を生成する。 3つの医学データセットに対する大規模な実験は、提案されたSAGANが最先端の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-05-21T15:41:34Z)
• SFUSNet: A Spatial-Frequency domain-based Multi-branch Network for diagnosis of Cervical Lymph Node Lesions in Ultrasound Images [0.2083256186573374]
  本研究の目的は,深層学習モデルを用いて超音波画像の頸部リンパ節病変を診断することである。 今回, 正常リンパ節, 良性リンパ節病変, 悪性原発リンパ節病変, 悪性転移リンパ節病変を含む3392例の頸部超音波検査を行った。 その結果、SFUSNetは最先端のモデルであり、92.89%の精度が得られることがわかった。
  論文  参考訳（メタデータ） (2023-08-31T13:54:57Z)
• Interpretable and intervenable ultrasonography-based machine learning models for pediatric appendicitis [8.083060080133842]
  虫垂炎は小児腹部手術の最も多い原因の一つである。 虫垂炎に対する以前の意思決定支援システムは、臨床、検査、スコアリング、およびCTデータに焦点を当ててきた。 超音波画像を用いた虫垂炎の診断・管理・重症度予測のための解釈可能な機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-28T10:08:11Z)
• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Detecting Hypo-plastic Left Heart Syndrome in Fetal Ultrasound via Disease-specific Atlas Maps [18.37280146564769]
  低形成性左心症候群の自動診断のための解釈可能なアトラス・ラーニング・セグメンテーション法を提案する。 本稿では,最近導入された画像・空間トランスフォーマーネットワーク(Atlas-ISTN)を,感作アトラスの病原体生成を可能にするフレームワークに拡張することを提案する。
  論文  参考訳（メタデータ） (2021-07-06T14:31:19Z)
• Bone Feature Segmentation in Ultrasound Spine Image with Robustness to Speckle and Regular Occlusion Noise [11.11171761130519]
  3D超音波画像は、低コストで、放射線のない、リアルタイムな特徴のおかげで、スコリオーシスの診断に大いに期待できる。 超音波画像で側鎖骨に到達するための鍵は、骨の領域を正確に区分けし、骨の特徴の対称性に基づいて側鎖骨の度合いを測定することである。 本稿では,超音波スピネルボリューム投影画像(VPI)画像のU-net構造に基づく頑健な骨特徴分割法を提案する。
  論文  参考訳（メタデータ） (2020-10-08T02:44:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。