論文の概要: Vertebra-Focused Landmark Detection for Scoliosis Assessment
- arxiv url: http://arxiv.org/abs/2001.03187v1
- Date: Thu, 9 Jan 2020 19:17:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 05:14:51.679102
- Title: Vertebra-Focused Landmark Detection for Scoliosis Assessment
- Title(参考訳): Vertebra-Focused Landmark Detection for Scoliosis Assessment
- Authors: Jingru Yi, Pengxiang Wu, Qiaoying Huang, Hui Qu, Dimitris N. Metaxas
- Abstract要約: 脊椎に焦点をあてた新しいランドマーク検出法を提案する。
我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。
その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
- 参考スコア(独自算出の注目度): 54.24477530836629
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adolescent idiopathic scoliosis (AIS) is a lifetime disease that arises in
children. Accurate estimation of Cobb angles of the scoliosis is essential for
clinicians to make diagnosis and treatment decisions. The Cobb angles are
measured according to the vertebrae landmarks. Existing regression-based
methods for the vertebra landmark detection typically suffer from large dense
mapping parameters and inaccurate landmark localization. The segmentation-based
methods tend to predict connected or corrupted vertebra masks. In this paper,
we propose a novel vertebra-focused landmark detection method. Our model first
localizes the vertebra centers, based on which it then traces the four corner
landmarks of the vertebra through the learned corner offset. In this way, our
method is able to keep the order of the landmarks. The comparison results
demonstrate the merits of our method in both Cobb angle measurement and
landmark detection on low-contrast and ambiguous X-ray images. Code is
available at: \url{https://github.com/yijingru/Vertebra-Landmark-Detection}.
- Abstract(参考訳): 思春期特発性強皮症(Adolescent idiopathic scoliosis、AIS)は、小児に発症する一生の疾患である。
コブ角度の正確な推定は臨床医にとって診断と治療の決定に不可欠である。
コブ角は脊椎のランドマークに従って測定される。
既存の回帰に基づく脊椎のランドマーク検出法は、通常、大きな密度のマッピングパラメータと不正確なランドマークの局在に悩まされる。
セグメンテーションに基づく方法は、連結または破損した椎骨マスクを予測する傾向がある。
本稿では,新しい椎骨中心のランドマーク検出法を提案する。
我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。
このようにして,本手法はランドマークの順序を保つことができる。
その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
コードは: \url{https://github.com/yijingru/Vertebra-Landmark-Detection}で入手できる。
関連論文リスト
- Shape Matters: Detecting Vertebral Fractures Using Differentiable
Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。
骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。
本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文 参考訳(メタデータ) (2023-12-08T18:11:22Z) - Predicting Spine Geometry and Scoliosis from DXA Scans [49.68543422441626]
まず、ニューラルネットワークをトレーニングして、スキャン中のミドルスピン曲線を予測し、次いで積分法を用いて、スピン曲線に沿った曲率を決定する。
最大曲率を評価関数として用いて, 脊椎変形の重症度を推定できることが示唆された。
論文 参考訳(メタデータ) (2023-11-15T22:49:08Z) - B-Spine: Learning B-Spline Curve Representation for Robust and
Interpretable Spinal Curvature Estimation [50.208310028625284]
脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。
低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
論文 参考訳(メタデータ) (2023-10-14T15:34:57Z) - Automating Cobb Angle Measurement for Adolescent Idiopathic Scoliosis
using Instance Segmentation [1.3161405778899375]
現在、スコリオーシスを評価するための基準基準は、コブ角のマニュアル割り当てに基づいている。
本稿では,YOLACT(インスタンスセグメンテーションモデル)を用いたコブ角計測タスクを提案する。
提案手法はまず,YOLACTを用いてX線画像に椎骨を分割し,最小境界ボックスアプローチを用いて重要なランドマークを追跡する。
論文 参考訳(メタデータ) (2022-11-25T14:04:06Z) - Accurate Scoliosis Vertebral Landmark Localization on X-ray Images via
Shape-constrained Multi-stage Cascaded CNNs [14.298452017755197]
椎間板のランドマークの局在は、脊椎関連臨床応用における重要なステップである。
単一タスクを2つの逐次ステップに分割する多段階畳み込み畳み込みニューラルネットワーク(CNN)を提案する。
脊椎後方X線像609点からなるAASCEデータセットについて検討した。
論文 参考訳(メタデータ) (2022-06-05T02:45:40Z) - Stacked Hourglass Network with a Multi-level Attention Mechanism: Where
to Look for Intervertebral Disc Labeling [2.3848738964230023]
椎間板の位置と骨格構造を協調的に学習する多レベルアテンション機構を有する重畳時間ガラスネットワークを提案する。
提案した深層学習モデルは意味的セグメンテーションの強さとポーズ推定手法を考慮し,欠落した領域と偽陽性検出を扱う。
論文 参考訳(メタデータ) (2021-08-14T14:53:27Z) - Direct Estimation of Spinal Cobb Angles by Structured Multi-Output
Regression [42.67503464183464]
脊髄湾曲率を定量的に評価するコブ角度は、脊柱側膜症の診断および治療において重要な役割を果たします。
脊髄X線からのCobb角の推定を多出力回帰タスクとして定式化する。
本手法は, 高い精度で cobb 角度の直接推定が可能であり, 臨床応用の可能性も示唆する。
論文 参考訳(メタデータ) (2020-12-23T12:33:46Z) - A Convolutional Approach to Vertebrae Detection and Labelling in Whole
Spine MRI [70.04389979779195]
脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。
これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。
本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
論文 参考訳(メタデータ) (2020-07-06T09:37:12Z) - Analysis of Scoliosis From Spinal X-Ray Images [17.8260780895433]
脊柱管の計測には脊椎のラベル付けと識別が必要である。
スコリオーシス(英: Scoliosis)は、脊椎が正常な形状から変形する先天性疾患である。
そこで本研究では,脊柱管狭窄計測に伴う脊椎の完全自動的,信頼性の高いセグメンテーションを提供するエンドツーエンドセグメンテーションモデルを提案する。
論文 参考訳(メタデータ) (2020-04-15T05:36:28Z)
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。