Early-stage atherosclerosis detection using deep learning over carotid ultrasound images

Menchn-Lara, Rosa-Mara; Sancho-Gmez, Jos-Luis; Bueno-Crespo, Andrés

doi:10.1016/j.asoc.2016.08.055

Cited by 51 publications

(40 citation statements)

References 33 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…These existing methods can be categorized in two ways: (i) working approach and (ii) fundamental technique used to CCA segmentation. The approach of working is fully automatic [19,26] that does not require any manual interaction and semi-automatic [18,20,23,24,26] which require manual interaction in intermediate steps. All earlier method can also be categorised based on techniques.…”

Section: Discussionmentioning

confidence: 99%

“…There are techniques based on statistical modelling [11,14], Haugh transforms [15,22] and Nakagami distribution [33]. Recently, most of the techniques are based on deep learning methods [18,19,29,34]. Menchen-Lara et al has used ELM-AE with SLFN and estimated IMT, but the performance of the system is still below the active contour-based method proposed by the same group [22].…”

Section: Discussionmentioning

confidence: 99%

“…The proposed, overlapping block-based system outperforms in ROI detection to [18,19]. However, IMT estimation underperforms with some existing method [18,21,22]. We have measured LD of the CCA with MAD metrics [20].…”

Section: Imt and Ld Measurementmentioning

confidence: 99%

See 2 more Smart Citations

Arterial Parameters and Elasticity Estimation in Common Carotid Artery Using Deep Learning Approach

Patel¹,

Jain²

2019

IJIGSP

View full text Add to dashboard Cite

The risk of cardiovascular diseases is growing worldwide, and its early detection is necessary to reduce the level of risk. Structural parameters of the carotid artery as intima-media thickness and functional parameters such as arterial elasticity are directly associated with cardiovascular diseases. Segmentation of the carotid artery is required to measure the structural parameters and its temporal value that is used to estimate the arterial elasticity. This paper has two primary objectives: (i) Segmentation of the sequence of carotid artery ultrasound to measure temporal value of intimamedia thickness and lumen-diameter, and (ii) Young's modulus of elasticity estimation. The proposed segmentation method uses the contextual feature of the image pattern and is based on multi-layer extreme learning machine auto-encoder network. This segmentation method has two parts: (a) region of interest localization and (b) lumen-intima interface and mediaadventitia interface detection at the far wall. ROI localization algorithm divides the ultrasound frame into columns and also divides each column into overlapping blocks, ensuring that every column has a region of interest block. A multi-layer extreme learning machine with auto-encoder is trained with labelled data and in testing; system classifies the blocks into 'region of interest' and 'non-region of interest'. Pixels belonging to the region of interest are classified in the first part and a similar network-based method is proposed for lumenintima and media-adventitia interface detection at the near wall of the carotid artery. Structural parameter of the artery, intima-media thickness and lumen diameter are measured in a sequence of images of the cardiac cycle. The temporal values of structural parameters are used to estimate the young's modulus of elasticity. .

show abstract

Section: Discussionmentioning

confidence: 99%

Section: Discussionmentioning

confidence: 99%

See 1 more Smart Citation

Arterial Parameters and Elasticity Estimation in Common Carotid Artery Using Deep Learning Approach

Patel¹,

Jain²

2019

IJIGSP

View full text Add to dashboard Cite

show abstract

“…-величина бляшки (степень стеноза), -состояние поверхности (гладкая или с изъязвлениями), -гистологическая структура (отложения липидов и атероматозных масс, фиброз, обызвествления, геморрагии) [11,12].…”

Section: атеросклероз і структурно-функціональний стан судин каротиднunclassified

Atherosclerosis and the Structural and Functional State of the Vessels of the Carotid and Vertebro-basilar Basins

Єгорова

Кondratiuk

Кузнєцова

et al. 2019

FMEP

View full text Add to dashboard Cite

ГУ «Институт эндокринологии и обмена веществ имени В.П. Комисаренко НАмН Украины», г. Киев 2 Национальный медицинский университет имени А.А. Богомольца, г. Киев 3 ГУ «Институт геронтологии имени д.Ф. Чеботарева НАмН Украины», г. Киев 4 Национальная медицинская академия последипломного образования имени П.Л. Шупика, г. Киев В связи с современными патогенетическими представлениями о механизмах развития ишемического инсульта ранняя диагностика этого заболевания приобретает еще большую значимость. Актуальным на современном этапе становится вопрос об информативности неинвазивных ультразвуковых методов исследования, используемых для изучения состояния мозговых артерий, которые участвуют в кровоснабжении головного мозга. Цель исследования: изучение структурно-функционального состояния сосудов каротидного и вертебро-базиллярного бассейнов у пациентов пожилого возраста с церебральным атеросклерозом (ЦА) 1-3 стадии, в том числе в зависимости от полушарной локализации ишемического очага. Материалы и методы. В комплексном клинико-инструментальном исследовании приняли участие 229 пациентов с ЦА 2-3-й степени. Пациенты были разделены на 4 группы: І-общая группа пациентов, перенесших ишемический атеротромботический инсульт в бассейне средней мозговой артерии (ИИ); ІІ группа-в правом полушарии (ПП); ІІІ группа-перенесшие ИИ в левом полушарии (ЛП); ІV группа-с ЦА 1-2-й степени (без ИИ-группа сравнения). В дальнейшем в сравнении групп участвовали пациенты пожилого возраста-от 55 до 75 лет. Результаты. При хронических цереброваскулярных заболеваниях неуклонно прогрессирующий атеросклеротический процесс сопровождается уменьшением скорости кровотока в магистральных артериях головы. При этом изменения линейной систолической скорости кровотока (ЛССК) выявляют при транскраниальной допплерографии на более ранних стадиях как на экстра-, так и на интракраниальном уровне, причем депрессия кровотока изначально возникает и в артериях вертебро-базилярного бассейна, и в каротидном русле. Выявление изменений при допплеровском исследовании в целом предшествует нарастанию симптомов органического поражения нервной системы. Пациенты, перенесшие ИИ, по сравнению с пациентами с начальными проявлениями ЦА характеризуются высокой частотой гемодинамически значимых стенозов, утолщением комплекса интима-медиа, статистически значимым снижением ЛССК и повышением пульсаторного и индекса периферического сопротивления в отдельных сосудах каротидного и вертебробазиллярного бассейнов с обеих сторон. Заключение. Структурно-функциональные особенности церебральных сосудов у пациентов, перенесших ишемический атеротромботический инсульт, в позднем восстановительном периоде имеют полушарные особенности. При этом статистически значимая разница в скорости церебрального кровотока наблюдалась только в сосудах каротидного бассейна справа, а индексы сосудистого периферического сопротивления и пульсативности были повышены в разных сосудах обоих бассейнов c двух сторон. Ключевые слова: церебральный атеросклероз, линейная систолическая скорость кровотока, комплекс интима-медиа,...

show abstract

“…Neuron activations in the smallest layer can then be used as features for other machine learning methods; importantly, these are learned from data each time. This approach has been used to aid diagnoses for schizophrenia [66], brain tumors [67], lesions in the breast tissue [68,69], and atherosclerosis [70].…”

Section: Cell and Image Phenotypingmentioning

confidence: 99%

Computational biology: deep learning

Jones

Alasoo

Fishman

et al. 2017

Emerging Topics in Life Sciences

View full text Add to dashboard Cite

Deep learning is the trendiest tool in a computational biologist's toolbox. This exciting class of methods, based on artificial neural networks, quickly became popular due to its competitive performance in prediction problems. In pioneering early work, applying simple network architectures to abundant data already provided gains over traditional counterparts in functional genomics, image analysis, and medical diagnostics. Now, ideas for constructing and training networks and even off-the-shelf models have been adapted from the rapidly developing machine learning subfield to improve performance in a range of computational biology tasks. Here, we review some of these advances in the last 2 years.

show abstract

Early-stage atherosclerosis detection using deep learning over carotid ultrasound images

Cited by 51 publications

References 33 publications

Arterial Parameters and Elasticity Estimation in Common Carotid Artery Using Deep Learning Approach

Arterial Parameters and Elasticity Estimation in Common Carotid Artery Using Deep Learning Approach

Atherosclerosis and the Structural and Functional State of the Vessels of the Carotid and Vertebro-basilar Basins

Computational biology: deep learning

Contact Info

Product

Resources

About