Fugu-MT 論文翻訳(概要): A Lightweight CNN and Joint Shape-Joint Space (JS2) Descriptor for Radiological Osteoarthritis Detection

論文の概要: A Lightweight CNN and Joint Shape-Joint Space (JS2) Descriptor for Radiological Osteoarthritis Detection

arxiv url: http://arxiv.org/abs/2005.11715v1
Date: Sun, 24 May 2020 10:48:38 GMT
ステータス: 処理完了
システム内更新日: 2022-11-29 13:31:57.665889
Title: A Lightweight CNN and Joint Shape-Joint Space (JS2) Descriptor for Radiological Osteoarthritis Detection
Title（参考訳）: 関節症診断のための軽量CNNと関節形状結合空間(JS2)
Authors: Neslihan Bayramoglu, Miika T. Nieminen and Simo Saarakkala
Abstract要約: 関節形状と畳み込みニューラルネットワーク(CNN)に基づく骨テクスチャ機能を組み合わせた,完全自動化された新しい手法を提案する。以上の結果から,RAC曲線(AUC)95.21%以下のX線学的変形性関節症検出領域において,形状とテクスチャパラメータを融合させることで,最先端の術式が達成できることが示唆された。
参考スコア（独自算出の注目度）: 2.3204178451683264
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Knee osteoarthritis (OA) is very common progressive and degenerative musculoskeletal disease worldwide creates a heavy burden on patients with reduced quality of life and also on society due to financial impact. Therefore, any attempt to reduce the burden of the disease could help both patients and society. In this study, we propose a fully automated novel method, based on combination of joint shape and convolutional neural network (CNN) based bone texture features, to distinguish between the knee radiographs with and without radiographic osteoarthritis. Moreover, we report the first attempt at describing the bone texture using CNN. Knee radiographs from Osteoarthritis Initiative (OAI) and Multicenter Osteoarthritis (MOST) studies were used in the experiments. Our models were trained on 8953 knee radiographs from OAI and evaluated on 3445 knee radiographs from MOST. Our results demonstrate that fusing the proposed shape and texture parameters achieves the state-of-the art performance in radiographic OA detection yielding area under the ROC curve (AUC) of 95.21%
Abstract（参考訳）: 変形性膝関節症(oa)は非常に一般的な進行性および変性筋骨格疾患であり、生活の質が低下する患者や、経済的影響による社会に重荷を負う。したがって、病気の負担を減らそうとする試みは、患者と社会の両方に役立ちます。本研究では,関節形状と畳み込みニューラルネットワーク(cnn)に基づく骨集合組織の特徴を組み合わせることで,変形性膝関節症の有無と膝関節x線像の区別を完全自動化する手法を提案する。さらに,骨のテクスチャをCNNを用いて記述する試みを報告した。変形性膝関節症(OAI)および多発性関節症(MOST)研究の膝X線写真を用いた。対象はOAIの8953膝X線写真で,MOSTの3445膝X線写真で評価した。提案する形状パラメータとテクスチャパラメータを融合することにより,roc曲線 (auc) の95.21%以下の放射能oa検出領域における技術性能が向上することを示す。

関連論文リスト

TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
論文参考訳（メタデータ） (2024-11-05T19:35:10Z)
Segmentation of Knee Bones for Osteoarthritis Assessment: A Comparative Analysis of Supervised, Few-Shot, and Zero-Shot Learning Approaches [4.918419052486409]
そこで本研究では,手動分割骨を用いた2次元骨形態解析を行い,痛み条件に関連する形態的特徴について検討した。 6つのセマンティックセグメンテーションアルゴリズムを用いて,X線画像から大腿骨骨と大腿骨骨を抽出する。数発の学習に基づくアルゴリズムであるUniverSegは、Diceスコアが99.69%で大腿骨が99.69%、ティビアが99.60%という優れたセグメンテーション結果を示した。
論文参考訳（メタデータ） (2024-03-13T17:58:34Z)
Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文参考訳（メタデータ） (2023-07-10T09:49:30Z)
Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文参考訳（メタデータ） (2022-09-28T10:27:10Z)
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)
Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文参考訳（メタデータ） (2022-03-20T21:00:10Z)
Knee Cartilage Defect Assessment by Graph Representation and Surface Convolution [40.36360714443767]
軟骨欠損は変形性膝関節症(OA)の主要な徴候と見なされる膝関節MRIに畳み込みニューラルネットワーク(CNN)を適用することで膝軟骨欠損の評価に多くの試みがなされている。軟骨構造と膝関節MRIからの外観をグラフ表現にモデル化し,高度に多様な臨床データを扱うことができる。そして, 軟骨グラフ表現を用いて, 非ユークリッド深層学習ネットワークを設計し, 局所的およびグローバル的な軟骨の特徴を抽出する。
論文参考訳（メタデータ） (2022-01-12T05:55:32Z)
Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文参考訳（メタデータ） (2021-10-19T00:03:57Z)
Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale Deep Convolutional Neural Network [8.950918531231158]
本稿では,KellgrenおよびLawrenceグレードの分類をX線から自動的に評価する,深層学習ベースのフレームワークであるOsteHRNetを提案する。提案モデルでは,OAIデータセットのベースラインコホートにおいて,71.74%,0.311のMAEが最良である。
論文参考訳（メタデータ） (2021-06-27T17:29:46Z)
Automated Detection of Patellofemoral Osteoarthritis from Knee Lateral View Radiographs Using Deep Learning: Data from the Multicenter Osteoarthritis Study (MOST) [3.609538870261841]
本論文では,PFOA(Automatic Patello大腿骨関節症)検出法を提案する。膝側方X線写真から乳頭領域を訓練した深層学習モデルでは、患者特性や臨床評価に基づくモデルよりもPFOAの予測が優れています。
論文参考訳（メタデータ） (2021-01-12T08:37:55Z)
3D Convolutional Sequence to Sequence Model for Vertebral Compression Fractures Identification in CT [1.7372615815088566]
骨粗しょう症関連骨折は世界中で3秒ごとに発生し、女性3人に1人、男性5人に1人が50歳以上である。本研究では,CT画像を用いた脊椎圧迫骨折の自動診断システムを提案する。このシステムは、脊髄検出のための畳み込みニューラルネットワーク(CNN)と、新しい3Dアーキテクチャへのエンドツーエンドシーケンスを利用して、脊椎のコンパクトな3D表現を統合する。
論文参考訳（メタデータ） (2020-10-08T02:39:40Z)

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。