論文の概要: RGB-Topography and X-rays Image Registration for Idiopathic Scoliosis Children Patient Follow-up

• arxiv url: http://arxiv.org/abs/2003.09404v1
• Date: Fri, 20 Mar 2020 17:33:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-21 23:00:31.070859
• Title: RGB-Topography and X-rays Image Registration for Idiopathic Scoliosis Children Patient Follow-up
• Title（参考訳）: 小児特発性scoliosis小児のrgb-topographyとx線画像登録
• Authors: Insaf Setitra, Noureddine Aouaa, Abdelkrim Meziane, Afef Benrabia, Houria Kaced, Hanene Belabassi, Sara Ait Ziane, Nadia Henda Zenati, and Oualid Djekkoune
• Abstract要約: 各X線診断におけるイオン放射線の経過中に, 硬化症と診断された小児が曝露される。 近年のシステムでは, 単独のRGB画像を用いて顎関節症患者の診断を行っている。 まず、モノモーダル(背面のRGBトポグラフィー)とマルチモーダル(RGBとXrays)の画像データベースを確立する。
• 参考スコア（独自算出の注目度）: 2.0315704654772415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Children diagnosed with a scoliosis pathology are exposed during their follow up to ionic radiations in each X-rays diagnosis. This exposure can have negative effects on the patient's health and cause diseases in the adult age. In order to reduce X-rays scanning, recent systems provide diagnosis of scoliosis patients using solely RGB images. The output of such systems is a set of augmented images and scoliosis related angles. These angles, however, confuse the physicians due to their large number. Moreover, the lack of X-rays scans makes it impossible for the physician to compare RGB and X-rays images, and decide whether to reduce X-rays exposure or not. In this work, we exploit both RGB images of scoliosis captured during clinical diagnosis, and X-rays hard copies provided by patients in order to register both images and give a rich comparison of diagnoses. The work consists in, first, establishing the monomodal (RGB topography of the back) and multimodal (RGB and Xrays) image database, then registering images based on patient landmarks, and finally blending registered images for a visual analysis and follow up by the physician. The proposed registration is based on a rigid transformation that preserves the topology of the patient's back. Parameters of the rigid transformation are estimated using a proposed angle minimization of Cervical vertebra 7, and Posterior Superior Iliac Spine landmarks of a source and target diagnoses. Experiments conducted on the constructed database show a better monomodal and multimodal registration using our proposed method compared to registration using an Equation System Solving based registration.
• Abstract（参考訳）: 各X線診断におけるイオン放射線の経過中に, 硬化症と診断された小児が露出する。 この曝露は患者の健康に悪影響を及ぼし、成人期の病気を引き起こす可能性がある。 X線スキャンを減らすため,近年のシステムでは,RGB画像のみを用いてスコリシス患者の診断を行っている。 このようなシステムの出力は、拡張画像とスコリシス関連角度のセットである。 しかし、これらの角度は、多くの医師を混乱させます。 さらに、X線スキャンの欠如により、医師がRGBとX線画像を比較できなくなり、X線被曝を減らすか否かが決定される。 そこで本研究では, 臨床診断中に採取したscoliosisのrgb画像と, 患者から提供されたx線ハードコピーを併用し, 両画像の登録と診断の比較を行った。 まず、モノモーダル(背中のRGBトポグラフィー)とマルチモーダル(RGBとXray)の画像データベースを確立し、次に患者のランドマークに基づいて画像を登録し、最後に登録された画像を視覚分析のためにブレンドし、医師が追跡する。 提案された登録は、患者の背中のトポロジを保存した剛体変換に基づいている。 硬質化のパラメータは、頚椎7の角度最小化と、ソースおよびターゲット診断における後上腸骨のランドマークを用いて推定される。 構築したデータベース上で行った実験は,提案手法を用いた単モーダルおよび多モーダルの登録が,方程式系解法に基づく登録よりも優れていることを示す。

関連論文リスト

• A Diffusion-based Xray2MRI Model: Generating Pseudo-MRI Volumes From one Single X-ray [6.014316825270666]
  単一X線画像から擬似MRIボリュームを生成することができる新しい拡散型Xray2MRIモデルを提案する。 実験の結果,提案手法は実際のMRIスキャンを近似した擬似MRIシーケンスを生成することができることがわかった。
  論文  参考訳（メタデータ） (2024-10-09T15:44:34Z)
• Shadow and Light: Digitally Reconstructed Radiographs for Disease Classification [8.192975020366777]
  DRR-RATEは、21,304人のユニークな患者から50,188個の前方デジタル再構成ラジオグラフィー(DRR)から構成される。 各画像は、対応する放射線学テキストレポートと18の病理学クラスのためのバイナリラベルとがペアリングされる。 我々は,既存の大規模胸部X線リソース,特にCheXpertデータセットとCheXnetモデルと併用して,DRR-RATEの適用性を示す。
  論文  参考訳（メタデータ） (2024-06-06T02:19:18Z)
• Mining Gaze for Contrastive Learning toward Computer-Assisted Diagnosis [61.089776864520594]
  医用画像のテキストレポートの代替としてアイトラッキングを提案する。 医用画像を読み,診断する際に放射線科医の視線を追跡することにより,その視覚的注意と臨床的理由を理解することができる。 対照的な学習フレームワークのためのプラグイン・アンド・プレイモジュールとして,McGIP (McGIP) を導入した。
  論文  参考訳（メタデータ） (2023-12-11T02:27:45Z)
• UMedNeRF: Uncertainty-aware Single View Volumetric Rendering for Medical Neural Radiance Fields [38.62191342903111]
  生成した放射場に基づく不確実性を考慮したMedNeRF(UMedNeRF)ネットワークを提案する。 我々は,CTプロジェクションレンダリングの結果を1つのX線で示し,生成した放射場に基づく他の手法との比較を行った。
  論文  参考訳（メタデータ） (2023-11-10T02:47:15Z)
• Expert Uncertainty and Severity Aware Chest X-Ray Classification by Multi-Relationship Graph Learning [48.29204631769816]
  我々はCXRレポートから病気ラベルを再抽出し,重症度と分類の不確実性を考慮し,より現実的になるようにした。 以上の結果から, 疾患の重症度と不確実性を考慮したモデルが, 従来の最先端手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-09-06T19:19:41Z)
• Unsupervised Iterative U-Net with an Internal Guidance Layer for Vertebrae Contrast Enhancement in Chest X-Ray Images [1.521162809610347]
  我々は,深部ニューラルネットワークを反復的に訓練することにより,X線画像の品質向上のための新しい,堅牢なアプローチを提案する。 本フレームワークは胸部X線像における脊椎の微細構造を増強する内部誘導層を含む。 実験の結果,提案手法は既存のBRISQUEスコアの精度向上手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-06-06T19:36:11Z)
• Act Like a Radiologist: Radiology Report Generation across Anatomical Regions [50.13206214694885]
  X-RGenは6つの解剖学的領域にわたる放射線学者によるレポート生成フレームワークである。 X-RGenでは、ヒトの放射線学者の行動を模倣し、これらを4つの主要な段階に分解する。 画像エンコーダの認識能力は,各領域にまたがる画像やレポートを分析して向上する。
  論文  参考訳（メタデータ） (2023-05-26T07:12:35Z)
• Multi-Label Chest X-Ray Classification via Deep Learning [0.0]
  本研究の目的は,X線画像から14種類の胸部状態を検出する軽量なソリューションを開発することである。 画像機能に加えて、X線ビュータイプ、年齢、性別などのデータで利用可能な非画像機能も使用します。 本研究の目的は, これまでの研究を改良し, 予測を14疾患に拡張し, 将来の胸部X線撮影研究への洞察を提供することである。
  論文  参考訳（メタデータ） (2022-11-27T20:27:55Z)
• Context-Aware Transformers For Spinal Cancer Detection and Radiological Grading [70.04389979779195]
  本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。 MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。 画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
  論文  参考訳（メタデータ） (2022-06-27T10:31:03Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)

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。