論文の概要: Improve bone age assessment by learning from anatomical local regions
- arxiv url: http://arxiv.org/abs/2005.13452v1
- Date: Wed, 27 May 2020 16:08:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-28 09:25:16.760632
- Title: Improve bone age assessment by learning from anatomical local regions
- Title（参考訳）: 解剖学的局所からの学習による骨年齢評価の改善
- Authors: Dong Wang, Kexin Zhang, Jia Ding and Liwei Wang
- Abstract要約: 本稿では,解剖学的局所認識ネットワーク(ALA-Net)と呼ばれる骨年齢自動評価モデルを提案する。
我々のモデルは解剖学的ROIを検出し、骨年齢をエンドツーエンドに推定することができる。
- 参考スコア（独自算出の注目度）: 18.6439159025423
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Skeletal bone age assessment (BAA), as an essential imaging examination, aims
at evaluating the biological and structural maturation of human bones. In the
clinical practice, Tanner and Whitehouse (TW2) method is a widely-used method
for radiologists to perform BAA. The TW2 method splits the hands into Region Of
Interests (ROI) and analyzes each of the anatomical ROI separately to estimate
the bone age. Because of considering the analysis of local information, the TW2
method shows accurate results in practice. Following the spirit of TW2, we
propose a novel model called Anatomical Local-Aware Network (ALA-Net) for
automatic bone age assessment. In ALA-Net, anatomical local extraction module
is introduced to learn the hand structure and extract local information.
Moreover, we design an anatomical patch training strategy to provide extra
regularization during the training process. Our model can detect the anatomical
ROIs and estimate bone age jointly in an end-to-end manner. The experimental
results show that our ALA-Net achieves a new state-of-the-art single model
performance of 3.91 mean absolute error (MAE) on the public available RSNA
dataset. Since the design of our model is well consistent with the well
recognized TW2 method, it is interpretable and reliable for clinical usage.
- Abstract（参考訳）: 骨格骨年齢評価(BAA)は,ヒト骨の生物学的および構造的成熟を評価することを目的としている。
臨床的には、Tanner and Whitehouse (TW2) 法は放射線技師がBAAを行うために広く用いられる方法である。
TW2法は手を利害の領域(ROI)に分割し、解剖学的ROIを別々に分析して骨年齢を推定する。
局所的な情報の分析を考慮し,TW2法は実際に正確な結果を示す。
TW2の精神に続いて,解剖学的局所認識ネットワーク(ALA-Net)と呼ばれる骨年齢自動評価モデルを提案する。
ALA-Netでは、手の構造を学習し、局所情報を抽出するために解剖学的局所抽出モジュールが導入された。
さらに,訓練プロセス中に余分な正規化を提供するための解剖学的パッチ訓練戦略も設計する。
本モデルでは解剖学的roisを検知し,関節の骨年齢をエンドツーエンドで推定できる。
実験の結果,我々のALA-Netは,公開されているRSNAデータセット上での3.91の平均絶対誤差(MAE)という,最先端の単一モデルの性能を達成できた。
本モデルの設計はよく知られたTW2法とよく一致しているため,臨床応用には信頼性が高い。
関連論文リスト
- Anatomy-guided Pathology Segmentation [56.883822515800205]
本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。
我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。
これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
論文 参考訳（メタデータ） (2024-07-08T11:44:15Z) - DeepLOC: Deep Learning-based Bone Pathology Localization and
Classification in Wrist X-ray Images [1.45543311565555]
本稿では,手首X線画像における骨病理像の局在と分類のための新しいアプローチを提案する。
提案手法は,手首X線解析における2つの重要な課題,骨の正確な局在化と異常の正確な分類に対処する。
論文 参考訳（メタデータ） (2023-08-24T12:06:10Z) - S3M: Scalable Statistical Shape Modeling through Unsupervised
Correspondences [91.48841778012782]
本研究では,集団解剖学における局所的および大域的形状構造を同時に学習するための教師なし手法を提案する。
我々のパイプラインは、ベースライン法と比較して、SSMの教師なし対応推定を大幅に改善する。
我々の手法は、ノイズの多いニューラルネットワーク予測から学ぶのに十分堅牢であり、より大きな患者にSSMを拡張できる可能性がある。
論文 参考訳（メタデータ） (2023-04-15T09:39:52Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - Anatomy-guided domain adaptation for 3D in-bed human pose estimation [62.3463429269385]
3次元人間のポーズ推定は臨床モニタリングシステムにおいて重要な要素である。
ラベル付きソースからシフトしたラベル付きターゲットドメインにモデルを適応させる新しいドメイン適応方式を提案する。
我々の手法は、様々な最先端のドメイン適応法より一貫して優れています。
論文 参考訳（メタデータ） (2022-11-22T11:34:51Z) - Stain based contrastive co-training for histopathological image analysis [61.87751502143719]
本稿では,ヒストリボリューション画像の分類のための,新しい半教師付き学習手法を提案する。
我々は、半教師付き学習フレームワークを作成するために、パッチレベルのアノテーションと、新しいコトレーニング損失を併用した強力な監視を採用する。
透明細胞腎細胞および前立腺癌に対するアプローチを評価し,最先端の半教師あり学習法の改善を実証した。
論文 参考訳（メタデータ） (2022-06-24T22:25:31Z) - Anatomy X-Net: A Semi-Supervised Anatomy Aware Convolutional Neural
Network for Thoracic Disease Classification [3.888080947524813]
この研究は、解剖学的注意に基づくアーキテクチャAnatomy X-Netを提案する。
事前に同定された解剖学的領域によって導かれる空間的特徴を優先する。
提案手法は,AUCスコアが0.8439のNIHテストセットに対して,新しい最先端性能を設定できる。
論文 参考訳（メタデータ） (2021-06-10T17:01:23Z) - Ridge Regression Neural Network for Pediatric Bone Age Assessment [1.1501261942096426]
骨年齢の遅れや増加は小児科医にとって深刻な懸念である。
骨年齢評価のための統合型深層学習フレームワークを事例分割と隆起回帰を用いて導入する。
論文 参考訳（メタデータ） (2021-04-15T21:38:22Z) - Doctor Imitator: Hand-Radiography-based Bone Age Assessment by Imitating
Scoring Methods [16.48267479601728]
我々は,Dr. Imitator (DI) と呼ばれる手指X線写真を用いた骨年齢評価のための新しいグラフベース深層学習フレームワークを提案する。
DDIは,手形画像における解剖学的関心領域(ROI)の局所的特徴を捉え,提案したグループ・コンボリューションによるROIスコアを予測する。
さらに、患者固有のROI特徴に対する注意度とROIスコアに対する文脈注意度を計算するための、新しいデュアルグラフベースのアテンションモジュールを開発した。
論文 参考訳（メタデータ） (2021-02-10T13:45:39Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Semi-supervised Pathology Segmentation with Disentangled Representations [10.834978793226444]
本稿では,初めて共同で学習しようとする病理分類モデルである解剖-病理解離ネットワーク(APD-Net, Anatomy-Pathology Disentanglement Network)を提案する。
APD-Netは、アノテーションの少ない病理的セグメンテーションを実行し、異なる量の監視で性能を維持し、関連するディープラーニング手法より優れている。
論文 参考訳（メタデータ） (2020-09-05T17:07:59Z)
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。