心エコーイメージングにおける冠動脈病変による不完全川崎病を区別するための説明可能な深層学習アルゴリズム【JST・京大機械翻訳】

Lee Haeyun; Eun Yongsoon; Hwang Jae Youn; Eun Lucy Youngmin

プレプリント

J-GLOBAL ID：202202210825739792 整理番号：22P0326825

心エコーイメージングにおける冠動脈病変による不完全川崎病を区別するための説明可能な深層学習アルゴリズム【JST・京大機械翻訳】

Explainable Deep Learning Algorithm for Distinguishing Incomplete Kawasaki Disease by Coronary Artery Lesions on Echocardiographic 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 (4件)： , , ,
資料名：
発行年： 2022年04月05日プレプリントサーバーでの情報更新日： 2022年04月05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)

背景と目的:不完全な川崎病(KD)は,古典的KDの臨床症状の欠如のため,しばしば誤診されている。しかし,それは冠動脈病変の著しく高い罹患率と関連する。心エコー検査による冠状動脈病変の同定は,KDにおけるタイムリーな診断および良好な転帰に重要である。さらに,KDと同様に,コロナウイルス病2019は,現在,世界的流行を引き起こし,発熱を伴う。したがって,KDは小児における熱性疾患の間で明らかに区別されるべきである。本研究では,KDと他の急性熱性疾患の分類のための深層学習アルゴリズムを検証することを目的とした。方法:小児の心エコー検査(KDに対するn=88,肺炎に対するn=65)により冠状動脈画像を得た。収集したデータを使用して,6つの深層学習ネットワーク(VGG19,X開始,ResNet50,ResNext50,SE-ResNet50,およびSE-ResNext50)を訓練した。【結果】:SE-ResNext50は,分類精度,特異性,および分類精度の点で最良の性能を示した。SE-ResNext50は76.35%の精度,82.64%の感度及び58.12%の特異性を提供した。結論:著者らの研究結果は,深い学習アルゴリズムが,KDの診断を容易にするために,冠動脈病変を検出する際に経験した心臓専門医と同様の性能を有することを示唆した。【JST・京大機械翻訳】

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

小児に特有の疾患 , 循環系の診断

, , , , , ,

前のページに戻る