論文の概要: Analysis of Scoliosis From Spinal X-Ray Images

• arxiv url: http://arxiv.org/abs/2004.06887v1
• Date: Wed, 15 Apr 2020 05:36:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 03:57:01.883849
• Title: Analysis of Scoliosis From Spinal X-Ray Images
• Title（参考訳）: 脊髄x線画像からのスコリオーシスの解析
• Authors: Abdullah-Al-Zubaer Imran, Chao Huang, Hui Tang, Wei Fan, Kenneth M.C. Cheung, Michael To, Zhen Qian, Demetri Terzopoulos
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 17.8260780895433
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scoliosis is a congenital disease in which the spine is deformed from its normal shape. Measurement of scoliosis requires labeling and identification of vertebrae in the spine. Spine radiographs are the most cost-effective and accessible modality for imaging the spine. Reliable and accurate vertebrae segmentation in spine radiographs is crucial in image-guided spinal assessment, disease diagnosis, and treatment planning. Conventional assessments rely on tedious and time-consuming manual measurement, which is subject to inter-observer variability. A fully automatic method that can accurately identify and segment the associated vertebrae is unavailable in the literature. Leveraging a carefully-adjusted U-Net model with progressive side outputs, we propose an end-to-end segmentation model that provides a fully automatic and reliable segmentation of the vertebrae associated with scoliosis measurement. Our experimental results from a set of anterior-posterior spine X-Ray images indicate that our model, which achieves an average Dice score of 0.993, promises to be an effective tool in the identification and labeling of spinal vertebrae, eventually helping doctors in the reliable estimation of scoliosis. Moreover, estimation of Cobb angles from the segmented vertebrae further demonstrates the effectiveness of our model.
• Abstract（参考訳）: スコリシス(scoliosis)は、脊椎が正常な形状から変形する先天性疾患である。 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。 脊椎x線撮影は、脊椎の撮影に最も費用対効果が高く、アクセスしやすい方法である。 脊椎X線写真における信頼性と正確性は、画像誘導脊椎評価、疾患診断、治療計画において重要である。 従来のアセスメントは退屈で時間のかかる手動測定に依存しており、これはサーバ間変動の対象となる。 文献では、関連する椎骨を正確に識別・分節できる完全自動的な方法が使用できない。 進行側出力を用いた慎重に調整したU-Netモデルを用いて, 脊柱管計測に伴う脊椎の完全自動的かつ信頼性の高いセグメンテーションを行うエンド・ツー・エンドセグメンテーションモデルを提案する。 前脊椎x線画像から得られた実験結果から,平均黄斑スコア0.993のモデルが椎骨の同定と分類に有効なツールであることを証明し,最終的には医師によるスコリオシスの信頼性評価に役立てることができた。 さらに, 分節椎骨からのコブ角の推定により, モデルの有効性がさらに示された。

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)
• Scoliosis Detection using Deep Neural Network [0.0]
  脊柱側方屈曲症は若年層で診断されることが多い。 現在, 脊柱前方X線像を手動で観察し, 頭蓋狭窄を推定する金の基準となっている。 深層学習は、自動脊椎曲率推定において驚くべき成果を上げている。
  論文  参考訳（メタデータ） (2022-10-31T12:52:04Z)
• 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)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• 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)
• CTSpine1K: A Large-Scale Dataset for Spinal Vertebrae Segmentation in Computed Tomography [16.715882724830603]
  CTSpine1Kと呼ばれる大規模な脊椎CTデータセットを導入する。 このデータセットは1,005CTボリュームを含み、11,100以上のラベル付き脊椎は異なる脊椎の状態に属している。
  論文  参考訳（メタデータ） (2021-05-31T05:34:27Z)
• 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)
• Bipartite Distance for Shape-Aware Landmark Detection in Spinal X-Ray Images [17.8260780895433]
  スコリオーシス(英: Scoliosis)は、脊椎の外側の曲がりを引き起こす先天性疾患である。 脊椎のランドマークの自動検出と局所化によって信頼性を向上させることができる。 両部距離(BPD)測定値に基づく新たな損失を提案し,ランドマーク検出性能を継続的に向上させることを示す。
  論文  参考訳（メタデータ） (2020-05-28T22:34:24Z)
• Vertebra-Focused Landmark Detection for Scoliosis Assessment [54.24477530836629]
  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。
  論文  参考訳（メタデータ） (2020-01-09T19:17:41Z)

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。