論文の概要: AppendiGrade: An XAI-Enhanced Deep Learning Framework for Grading Appendicitis in Ultrasound with Gaussian Blur and Grad-CAM

• arxiv url: http://arxiv.org/abs/2608.17923v1
• Date: Tue, 18 Aug 2026 15:46:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.390003
• Title: AppendiGrade: An XAI-Enhanced Deep Learning Framework for Grading Appendicitis in Ultrasound with Gaussian Blur and Grad-CAM
• Title（参考訳）: AppendiGrade: Gaussian Blur と Grad-CAM を併用した超音波を用いたXAI によるグレーディング性虫垂炎のディープラーニングフレームワーク
• Abstract要約: 虫垂炎は世界中で最も多い腹膜炎の1つである。 穿孔や膿瘍形成などの複雑な症例を、複雑でない虫垂炎と正確に区別することは、重要な臨床的課題である。 本研究では,超音波画像から虫垂炎を自動的に検出できる高度なシステムを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Appendicitis is one of the most common abdominal emergencies worldwide and requires prompt diagnosis and treatment to prevent life-threatening conditions. However, accurately differentiating complicated cases, such as perforation or abscess formation, from uncomplicated appendicitis remains a significant clinical challenge. Among other methods, ultrasound is a safer and more cost-efficient diagnostic technique because of the lack of radiation exposure. In this research, an advanced system capable of automatically detecting complicated appendicitis from ultrasound images was developed. A dataset consisting of 4679 ultrasound images with 5 classes, namely perforated, abscess, acute, appendicolith, and normal, was used for the proposed model training and testing. Four pretrained deep learning models, DenseNet201, InceptionV3, ConvNextTiny, and VGG19, have been employed for detecting and classifying complicated appendicitis. In the initial configuration, InceptionV3 achieved the second highest accuracy, with a value of 69.21%. Owing to suboptimal performance with raw images, further optimization techniques, including image preprocessing, hyperparameter tuning, model fine-tuning, and image sharpening, were applied. These enhancements significantly improved the model's performance, with an accuracy of 95.58% for InceptionV3. The model performance is then explained with gradient-weighted class activation mapping (Grad-CAM), which creates a heatmap of the regions responsible for the model's prediction of the infected areas. This could make crosschecking with experts much easier.
• Abstract（参考訳）: 虫垂炎は世界中で最も一般的な腹膜炎の1つであり、生命を脅かす疾患を予防するためには、迅速な診断と治療が必要である。 しかし, 穿孔や膿瘍形成などの複雑な症例と, 難治性虫垂炎とを正確に区別することは, 重要な臨床的課題である。 超音波は、放射線照射の欠如により、より安全でコスト効率のよい診断技術である。 本研究では,超音波画像から虫垂炎を自動的に検出できる高度なシステムを開発した。 提案したモデルトレーニングと試験には, 穿孔, 膿瘍, 急性, 虫垂石, 正常の5種類の超音波画像4679枚を用いたデータセットを用いた。 DenseNet201、InceptionV3、ConvNextTiny、VGG19の4つの事前訓練されたディープラーニングモデルが、複雑な虫垂炎の検出と分類に使用されている。 最初の構成では、InceptionV3は69.21%の精度で2番目に高い精度を達成した。 原画像の最適化性能向上のために, 画像前処理, ハイパーパラメータチューニング, モデルファインチューニング, 画像シャープニングなど, さらなる最適化手法を適用した。 これらの改良により、InceptionV3の精度は95.58%向上した。 モデルの性能は勾配重み付きクラスアクティベーションマッピング(Grad-CAM)で説明され、モデルが感染領域を予測する原因となる領域のヒートマップを生成する。 これにより専門家とのクロスチェックがずっと簡単になる。

関連論文リスト

• USF-MAE: Ultrasound Self-Supervised Foundation Model with Masked Autoencoding [0.205246094017924]
  マスク付き自動符号化(USF-MAE)を用いた超音波自己監督基礎モデルについて紹介する。 USF-MAEは超音波データのみに事前訓練された最初の大規模自己監督型MAEフレームワークである。 このモデルは、46のオープンソースデータセットから算出された370,000の2Dおよび3D超音波画像で事前訓練された。
  論文  参考訳（メタデータ） (2025-10-27T04:16:43Z)
• VA-Adapter: Adapting Ultrasound Foundation Model to Echocardiography Probe Guidance [57.43511837589102]
  我々は、膨大なデータセットから基礎モデルで学習した医療知識をプローブガイダンスタスクに適用する。 我々は,基礎モデルのイメージエンコーダが視覚アクションシーケンスをエンコードできるように,パラメータ効率のよいビジュアル・アクション・アダプタ (VA-Adapter) を巧みに設計する。 VA-Adapterは、コンパクトな設計でシーケンシャル推論機能を組み込むことで、事前訓練された超音波基礎モデルにより、精密なプローブ調整戦略を学習することができる。
  論文  参考訳（メタデータ） (2025-10-08T09:38:30Z)
• UltraAD: Fine-Grained Ultrasound Anomaly Classification via Few-Shot CLIP Adaptation [39.48115172323913]
  視覚言語モデル(VLM)に基づく,異常な局所化ときめ細かい分類のためのアプローチであるUltraADを提案する。 UltraADは乳房の3つのデータセットで広く評価されており、病変のデータセットと微細な医学的分類の両方において最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2025-06-24T15:00:38Z)
• The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
  本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。 画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
  論文  参考訳（メタデータ） (2025-04-10T16:26:47Z)
• Reliable Multi-View Learning with Conformal Prediction for Aortic Stenosis Classification in Echocardiography [6.540741143328299]
  得られた画像は、しばしば3次元解剖学の2次元断面であり、重要な解剖学的詳細を欠いている可能性がある。 トレーニングセット内の弱い情報入力に不確実性を導入するデータ中心の手法であるRe-Training for Uncertainty (RT4U)を提案する。 共形予測技術と組み合わせると、RT4Uは、基底真理クラスを含むことが保証される適応的な大きさの予測セットを高精度に得ることができる。
  論文  参考訳（メタデータ） (2024-09-15T10:06:06Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Using Spatio-Temporal Dual-Stream Network with Self-Supervised Learning for Lung Tumor Classification on Radial Probe Endobronchial Ultrasound Video [0.0]
  肺がんの生検の過程で、医師はリアルタイム超音波画像を使用して、サンプリングに適した病変を見つける。 これまでの研究では良性肺病変と悪性肺病変を効果的に区別するために2D畳み込みニューラルネットワークを用いてきた。 本研究では,3次元ニューラルネットワークに基づく自動診断システムを設計する。
  論文  参考訳（メタデータ） (2023-05-04T10:39:37Z)
• Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging [61.60067283680348]
  新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。 本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。 本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
  論文  参考訳（メタデータ） (2022-12-15T14:34:12Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)
• The interpretation of endobronchial ultrasound image using 3D convolutional neural network for differentiating malignant and benign mediastinal lesions [3.0969191504482247]
  本研究の目的は,内胚葉超音波(EBUS)画像を用いて悪性病変と良性病変を鑑別することである。 我々のモデルはノイズに耐性があり、EBUSビデオの様々な画像特徴と願望を融合させることができる。
  論文  参考訳（メタデータ） (2021-07-29T08:38:17Z)

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。