Fugu-MT 論文翻訳(概要): Deep Learning-based End-to-end Diagnosis System for Avascular Necrosis of Femoral Head

論文の概要: Deep Learning-based End-to-end Diagnosis System for Avascular Necrosis of Femoral Head

arxiv url: http://arxiv.org/abs/2002.05536v2
Date: Tue, 10 Nov 2020 14:06:56 GMT
ステータス: 処理完了
システム内更新日: 2023-01-01 18:52:26.130831
Title: Deep Learning-based End-to-end Diagnosis System for Avascular Necrosis of Femoral Head
Title（参考訳）: 深層学習による大腿骨頭壊死症診断システム
Authors: Yang Li, Yan Li, Hua Tian
Abstract要約: 深層学習に基づくAVNFH診断システム(AVN-net)を提案する。提案したAVN-netは、骨盤の平らなX線写真を読み出し、診断を行い、結果を自動視覚化する。深層畳み込みニューラルネットワークは、エンドツーエンドの診断ソリューションを提供するために訓練されている。
参考スコア（独自算出の注目度）: 8.716001376342858
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As the first diagnostic imaging modality of avascular necrosis of the femoral head (AVNFH), accurately staging AVNFH from a plain radiograph is critical yet challenging for orthopedists. Thus, we propose a deep learning-based AVNFH diagnosis system (AVN-net). The proposed AVN-net reads plain radiographs of the pelvis, conducts diagnosis, and visualizes results automatically. Deep convolutional neural networks are trained to provide an end-to-end diagnosis solution, covering tasks of femoral head detection, exam-view identification, side classification, AVNFH diagnosis, and key clinical notes generation. AVN-net is able to obtain state-of-the-art testing AUC of 0.97 (95% CI: 0.97-0.98) in AVNFH detection and significantly greater F1 scores than less-to-moderately experienced orthopedists in all diagnostic tests (p<0.01). Furthermore, two real-world pilot studies were conducted for diagnosis support and education assistance, respectively, to assess the utility of AVN-net. The experimental results are promising. With the AVN-net diagnosis as a reference, the diagnostic accuracy and consistency of all orthopedists considerably improved while requiring only 1/4 of the time. Students self-studying the AVNFH diagnosis using AVN-net can learn better and faster than the control group. To the best of our knowledge, this study is the first research on the prospective use of a deep learning-based diagnosis system for AVNFH by conducting two pilot studies representing real-world application scenarios. We have demonstrated that the proposed AVN-net achieves expert-level AVNFH diagnosis performance, provides efficient support in clinical decision-making, and effectively passes clinical experience to students.
Abstract（参考訳）: 大腿骨頭壊死症 (AVNFH) の初診例として, 単純X線撮影で正確にAVNFHを進行させることは, 整形外科医にとって極めて困難である。そこで我々は,深層学習に基づくAVNFH診断システム(AVN-net)を提案する。提案したAVN-netは、骨盤の平らなX線写真を読み出し、診断を行い、結果を自動視覚化する。深層畳み込みニューラルネットワークは、大腿骨頭の検出、検査視認、側面分類、AVNFH診断、および重要な臨床ノート生成のタスクをカバーするエンドツーエンドの診断ソリューションを提供するために訓練されている。 AVN-net は AVNFH 検出において 0.97 (95% CI: 0.97-0.98) の最先端テスト AUC を得ることができ、全ての診断試験において経験の少ない整形外科医よりもF1スコアが有意に大きい (p<0.01)。さらに, AVN-netの有用性を評価するために, 診断支援と教育支援の2つの実世界のパイロット実験を行った。実験結果は有望だ。 AVN-net診断を基準として, 整形外科の診断精度と整合性は, 1/4時間で有意に改善した。 AVN-net を用いて AVNFH 診断を自己学習する学生は,制御群よりも,より速く学習することができる。本研究は,実世界の応用シナリオを表現した2つのパイロット実験を行い,avnfhのための深層学習に基づく診断システムの将来的利用に関する最初の研究である。提案したAVN-netは,専門家レベルのAVNFH診断性能を達成し,臨床意思決定を効果的に支援し,臨床経験を学生に効果的に伝えることを実証した。

関連論文リスト

A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文参考訳（メタデータ） (2024-05-21T06:44:40Z)
Real-Time Magnetic Tracking and Diagnosis of COVID-19 via Machine Learning [2.737411991771932]
新型コロナウイルス(COVID-19)のパンデミックは、安定した公衆衛生介入のための信頼性の高い非侵襲的な診断ツールの重要性を浮き彫りにした。本研究では、MRSTと機械学習(ML)を融合させて、新型コロナウイルスやその他の呼吸器疾患のリアルタイム追跡と診断のための診断プラットフォームを構築した。
論文参考訳（メタデータ） (2023-11-01T13:57:33Z)
Advancing Diagnostic Precision: Leveraging Machine Learning Techniques for Accurate Detection of Covid-19, Pneumonia, and Tuberculosis in Chest X-Ray Images [0.0]
新型コロナウイルス、結核(TB)、肺炎などの肺疾患は、依然として深刻な世界的な健康上の問題となっている。救急医療と科学者は、早期の新型コロナウイルス(COVID-19)の診断に信頼性と正確なアプローチを作成するために、集中的に取り組んでいる。
論文参考訳（メタデータ） (2023-10-09T18:38:49Z)
Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文参考訳（メタデータ） (2023-06-02T01:46:31Z)
A multimodal method based on cross-attention and convolution for postoperative infection diagnosis [0.0]
術後感染診断は重篤な合併症であり,高い診断上の課題となっている。 X線検査は、疑わしいPJI患者の画像検査である。本研究では,自己教師型マスク付きオートエンコーダ事前学習戦略とマルチモーダル核融合診断ネットワークMED-NVCを提案する。
論文参考訳（メタデータ） (2023-05-23T15:08:56Z)
Evaluate underdiagnosis and overdiagnosis bias of deep learning model on primary open-angle glaucoma diagnosis in under-served patient populations [64.91773761529183]
原発性オープンアングル緑内障(POAG)はアメリカにおける盲目の主要な原因である。深層学習は眼底画像を用いたPOAGの検出に広く用いられている。臨床診断における人間のバイアスは、広く使われているディープラーニングモデルに反映され増幅される可能性がある。
論文参考訳（メタデータ） (2023-01-26T18:53:09Z)
COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文参考訳（メタデータ） (2023-01-04T16:05:51Z)
Dual-Attention Residual Network for Automatic Diagnosis of COVID-19 [6.941255691176647]
我々は,他の一般的な肺炎患者や正常者から,CT画像を用いてCOVID-19を自動同定する新たな残留ネットワークを提案する。この方法では、他の2つのクラスと94.7%の精度、93.73%の感度、98.28%の特異性、95.26%のF1スコア、および受信機動作特性曲線(AUC)の0.99の領域を区別することができる。
論文参考訳（メタデータ） (2021-05-14T11:59:47Z)
A two-step explainable approach for COVID-19 computer-aided diagnosis from chest x-ray images [5.480546613836199]
Chest X-Ray (CXR)イメージングを早期スクリーニングに使用すると、より高速で正確な応答が得られます。肺の既知の病理(腺腫)を最初に検出する,説明可能な2段階の診断アプローチを提案する。
論文参考訳（メタデータ） (2021-01-25T16:35:44Z)
Early Autism Spectrum Disorders Diagnosis Using Eye-Tracking Technology [62.997667081978825]
資金不足、資格のある専門家の欠如、そして修正方法に対する信頼度の低いことが、AMDのリアルタイム診断に影響を及ぼす主要な問題である。我々のチームは、子どもの視線活動の情報に基づいて、ALDの確率を予測するアルゴリズムを開発した。
論文参考訳（メタデータ） (2020-08-21T20:22:55Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。