論文の概要: Application of deep learning techniques in non-contrast computed tomography pulmonary angiogram for pulmonary embolism diagnosis

• arxiv url: http://arxiv.org/abs/2601.00925v1
• Date: Thu, 01 Jan 2026 18:59:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:21.85974
• Title: Application of deep learning techniques in non-contrast computed tomography pulmonary angiogram for pulmonary embolism diagnosis
• Title（参考訳）: 非造影CT肺血管造影における深層学習法の肺塞栓症診断への応用
• Authors: I-Hsien Ting, Yi-Jun Tseng, Yu-Sheng Lin,
• Abstract要約: 本研究では3次元畳み込みニューラルネットワークモデルを用いて,CT画像の肺塞栓症を自動的に分類する深層学習手法を提案する。 本研究で用いた深層学習モデルは,85%の精度と0.84のAUCとの対比なく肺塞栓症分類に有意な影響を及ぼし,肺塞栓症診断におけるモデルの有効性を確認した。
• 参考スコア（独自算出の注目度）: 0.4970364068620607
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Pulmonary embolism is a life-threatening disease, early detection and treatment can significantly reduce mortality. In recent years, many studies have been using deep learning in the diagnosis of pulmonary embolism with contrast medium computed tomography pulmonary angiography, but the contrast medium is likely to cause acute kidney injury in patients with pulmonary embolism and chronic kidney disease, and the contrast medium takes time to work, patients with acute pulmonary embolism may miss the golden treatment time. This study aims to use deep learning techniques to automatically classify pulmonary embolism in CT images without contrast medium by using a 3D convolutional neural network model. The deep learning model used in this study had a significant impact on the pulmonary embolism classification of computed tomography images without contrast with 85\% accuracy and 0.84 AUC, which confirms the feasibility of the model in the diagnosis of pulmonary embolism.
• Abstract（参考訳）: 肺塞栓症は生命を脅かす病気であり、早期発見と治療は死亡率を大幅に低下させる。 近年, 肺塞栓症と造影CTによる肺血管造影を併用した深層学習が盛んに行われているが, 造影剤は肺塞栓症や慢性腎疾患の急性腎障害を引き起こす可能性が高く, 造影剤の効用には時間がかかり, 急性肺塞栓症は黄金治療時間を欠く可能性がある。 本研究では3次元畳み込みニューラルネットワークモデルを用いて,CT画像の肺塞栓症を自動的に分類する深層学習手法を提案する。 本研究で用いた深層学習モデルは,85%の精度と0.84のAUCとの対比なく肺塞栓症分類に有意な影響を及ぼし,肺塞栓症診断におけるモデルの有効性を確認した。

関連論文リスト

• Ultrasound Lung Aeration Map via Physics-Aware Neural Operators [78.6077820217471]
  肺超音波は、急性肺疾患や慢性肺疾患を診断するクリニックにおいて増加するモダリティである。 超音波による空気透過性の低下に起因する胸膜界面からの複雑な逆流によって複雑になる。 RFデータから肺エアレーションマップを直接再構成するAIモデルLUNAを提案する。
  論文  参考訳（メタデータ） (2025-01-02T09:24:34Z)
• High-Fidelity 3D Lung CT Synthesis in ARDS Swine Models Using Score-Based 3D Residual Diffusion Models [13.79974752491887]
  急性呼吸不全症候群(ARDS)は、肺炎症と呼吸不全を特徴とする重症疾患であり、死亡率は約40%である。 胸部X線のような従来の画像撮影法は、肺病理の完全な評価において、その効果を制限し、2次元のビューのみを提供する。 本研究では, スコアベース3D残差拡散モデルを用いて2次元X線画像から高忠実度3D肺CTを合成する。
  論文  参考訳（メタデータ） (2024-09-26T18:22:34Z)
• Robust deep labeling of radiological emphysema subtypes using squeeze and excitation convolutional neural networks: The MESA Lung and SPIROMICS Studies [34.200556207264974]
  肺気腫は進行性で不可逆的な肺組織喪失である。 最近の研究は、肺CTにおける空間的インフォームド肺テクスチャパターン(ss)の教師なし学習につながっている。 肺CT上のss CNNとCTESの教師あり分類のための3次元圧縮・励起モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-01T03:45:56Z)
• Anatomically aware dual-hop learning for pulmonary embolism detection in CT pulmonary angiograms [8.112976210963243]
  本稿では,コンピュータビジョンと深部ニューラルネットワークを効果的に組み合わせ,肺塞栓症検出のためのディープラーニングベースのアプローチを提案する。 本手法は, 解剖学的構造の自動検出, 2) 解剖学的事前訓練, 神経学, 3) PE検出のための二重ホップディープネットの3つの軸に沿って, 新規な改良を特徴とする。
  論文  参考訳（メタデータ） (2023-03-30T17:58:52Z)
• Detecting Pulmonary Embolism from Computed Tomography Using Convolutional Neural Network [0.0]
  本研究は, 畳み込みニューラルネットワークを用いて胸部CT画像を取得する全症例において, 肺塞栓症を検出するための深層学習手法を提案する。 肺塞栓症検出システムにより, 肺塞栓症とCT像の同時検出が可能となった。
  論文  参考訳（メタデータ） (2022-06-03T00:01:47Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)

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。