Detecting Pulmonary Embolism from Computed Tomography Using Convolutional Neural Network

要約

肺塞栓症（PE）の臨床症状は非常に多様で非特異的であるため、診断が困難です。
さらに、肺塞栓症には複数のトリガーがあり、血管死の主な原因の1つです。
したがって、それを迅速に検出して治療することができれば、入院患者の死亡リスクを大幅に減らすことができます。
検出プロセスでは、コンピューター断層撮影肺血管造影（CTPA）のコストが高く、血管造影では造影剤の注入が必要であるため、患者への損傷のリスクが高まります。
したがって、この研究では、深層学習アプローチを使用して、畳み込みニューラルネットワークを使用して胸部のCT画像を撮影するすべての患者の肺塞栓症を検出します。
提案された肺塞栓症検出システムを使用すると、患者の最初のCT画像と同時に肺塞栓症の可能性を検出し、CTPAテストをすぐにスケジュールできるため、CT画像のスクリーニング時間を1週間以上節約し、タイムリーな診断と治療を提供できます。
患者に。

要約(オリジナル)

The clinical symptoms of pulmonary embolism (PE) are very diverse and non-specific, which makes it difficult to diagnose. In addition, pulmonary embolism has multiple triggers and is one of the major causes of vascular death. Therefore, if it can be detected and treated quickly, it can significantly reduce the risk of death in hospitalized patients. In the detection process, the cost of computed tomography pulmonary angiography (CTPA) is high, and angiography requires the injection of contrast agents, which increase the risk of damage to the patient. Therefore, this study will use a deep learning approach to detect pulmonary embolism in all patients who take a CT image of the chest using a convolutional neural network. With the proposed pulmonary embolism detection system, we can detect the possibility of pulmonary embolism at the same time as the patient’s first CT image, and schedule the CTPA test immediately, saving more than a week of CT image screening time and providing timely diagnosis and treatment to the patient.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google