超音波イメージングを用いた熱傷深さ分類のための深層学習モデル【JST・京大機械翻訳】

Lee Sangrock; Rahul; Lukan James; Boyko Tatiana; Zelenova Kateryna; Makled Basiel; Parsey Conner; Norfleet Jack; De Suvranu

プレプリント

J-GLOBAL ID：202202200130900260 整理番号：22P0322100

超音波イメージングを用いた熱傷深さ分類のための深層学習モデル【JST・京大機械翻訳】

A deep learning model for burn depth classification using ultrasound imaging

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年03月29日プレプリントサーバーでの情報更新日： 2022年03月29日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

十分な精度を有する燃焼深さの同定は挑戦的な問題である。本論文では,超音波画像におけるテクスチャパターンとして現れる熱傷皮膚の組織形態の変化に基づいて,熱傷深さを分類するための深い畳み込みニューラルネットワークを提示した。ネットワークでは,燃焼皮膚の超音波画像からそれを再構成する符号器デコーダアーキテクチャを用いて,未燃皮膚画像の低次元多様体を最初に学習する。次に,符号器を再訓練して,燃焼深さを分類した。エンコーダ-デコーダネットワークを,未燃焼および燃焼ex vivoブタ皮膚試料のBモード超音波画像からなるデータセットを用いて訓練した。新たに安楽死した死後ブタから得た熱傷in situ皮膚試料のBモード画像を用いて分類器を開発した。20倍交差検証から得られた性能計量は,このモデルが,臨床的に診断するのが最も難しい深い部分厚さ燃焼を,99%の精度,98%の感度,および100%の特異性で同定できることを示した。分類器の診断精度を,受信者動作特性と精度-反射曲線に対して,それぞれ,0.99と0.95の曲線値の下で,高い面積によってさらに説明した。事後説明は,分類器が燃焼分類のためのBモード画像における弁別的テクスチャ特徴を活性化することを示した。提案したモデルは,広く利用可能な臨床イメージング装置を用いて,熱傷深さの臨床評価を支援する臨床的有用性の可能性を有する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

医用画像処理

, , , ,

前のページに戻る