論文の概要: A Deep Learning-Based Method for Automatic Segmentation of Proximal Femur from Quantitative Computed Tomography Images

• arxiv url: http://arxiv.org/abs/2006.05513v3
• Date: Wed, 1 Jul 2020 13:04:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 15:46:58.041615
• Title: A Deep Learning-Based Method for Automatic Segmentation of Proximal Femur from Quantitative Computed Tomography Images
• Title（参考訳）: 定量的ct画像を用いた深部学習に基づく大腿骨近位部の自動セグメンテーション法
• Authors: Chen Zhao, Joyce H. Keyak, Jinshan Tang, Tadashi S. Kaneko, Sundeep Khosla, Shreyasee Amin, Elizabeth J. Atkinson, Lan-Juan Zhao, Michael J. Serou, Chaoyang Zhang, Hui Shen, Hong-Wen Deng, Weihua Zhou
• Abstract要約: 我々は、エンドツーエンドの完全畳み込みニューラルネットワーク(CNN)であるV on-Netに基づく3次元画像分割法を開発した。 提案手法の有効性を評価する実験を行った。
• 参考スコア（独自算出の注目度）: 5.731199807877257
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Proximal femur image analyses based on quantitative computed tomography (QCT) provide a method to quantify the bone density and evaluate osteoporosis and risk of fracture. We aim to develop a deep-learning-based method for automatic proximal femur segmentation. Methods and Materials: We developed a 3D image segmentation method based on V-Net, an end-to-end fully convolutional neural network (CNN), to extract the proximal femur QCT images automatically. The proposed V-net methodology adopts a compound loss function, which includes a Dice loss and a L2 regularizer. We performed experiments to evaluate the effectiveness of the proposed segmentation method. In the experiments, a QCT dataset which included 397 QCT subjects was used. For the QCT image of each subject, the ground truth for the proximal femur was delineated by a well-trained scientist. During the experiments for the entire cohort then for male and female subjects separately, 90% of the subjects were used in 10-fold cross-validation for training and internal validation, and to select the optimal parameters of the proposed models; the rest of the subjects were used to evaluate the performance of models. Results: Visual comparison demonstrated high agreement between the model prediction and ground truth contours of the proximal femur portion of the QCT images. In the entire cohort, the proposed model achieved a Dice score of 0.9815, a sensitivity of 0.9852 and a specificity of 0.9992. In addition, an R2 score of 0.9956 (p<0.001) was obtained when comparing the volumes measured by our model prediction with the ground truth. Conclusion: This method shows a great promise for clinical application to QCT and QCT-based finite element analysis of the proximal femur for evaluating osteoporosis and hip fracture risk.
• Abstract（参考訳）: 目的: 定量的ctによる大腿骨近位画像解析は, 骨密度を定量化し, 骨粗しょう症および骨折の危険度を評価する方法である。 本研究の目的は, 深層学習に基づく大腿骨近位偏位自動分割法の開発である。 方法と材料: 終端から終端までの完全畳み込みニューラルネットワーク(CNN)であるV-Netに基づく3次元画像分割法を開発し, 大腿骨近位部QCT画像の自動抽出を行った。 提案するv-net手法では、ダイス損失とl2正規化子を含む複合損失関数を採用する。 提案手法の有効性を評価する実験を行った。 実験では, 被験者397名を含むQCTデータセットを用いた。 各被験者のQCT像では, 大腿骨近位部の真理はよく訓練された科学者によって明らかにされた。 コホート全体の実験では、被験者の90%が10倍のクロスバリデーションでトレーニングと内部検証を行い、提案モデルの最適パラメータを選定し、残りの被験者はモデルの性能評価に使用した。 結果: qct画像の大腿骨近位部におけるモデル予測と基底真理輪郭との間に高い一致を示した。 コホート全体において、提案されたモデルはディススコア 0.9815、感度 0.9852、特異度 0.9992 を達成した。 さらに, モデル予測による実測値と実測値を比較すると, 0.9956 (p<0.001) の R2 スコアが得られた。 結論: この方法は, 大腿骨近位部におけるQCTおよびQCTに基づく有限要素解析に臨床応用が期待できることを示す。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
  本研究では,TotalSegmentatorをMR画像に拡張した。 このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。 このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
  論文  参考訳（メタデータ） (2024-05-29T20:15:54Z)
• Fast and Robust Femur Segmentation from Computed Tomography Images for Patient-Specific Hip Fracture Risk Screening [48.46841573872642]
  我々は,CTから大腿骨近位部を完全自動化し,正確かつ高速に分割するディープニューラルネットワークを提案する。 本手法は, 股関節骨折リスクスクリーニングに適応し, 当科において, 股関節脱臼患者をスクリーニングするための臨床的選択肢に一歩近づいた。
  論文  参考訳（メタデータ） (2022-04-20T16:16:16Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
  3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。 本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
  論文  参考訳（メタデータ） (2021-08-21T16:15:40Z)
• Vision Transformers for femur fracture classification [59.99241204074268]
  Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。 史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
  論文  参考訳（メタデータ） (2021-08-07T10:12:42Z)
• A Deep Learning-based Method to Extract Lumen and Media-Adventitia in Intravascular Ultrasound Images [3.2963079183841297]
  血管内超音波(IVUS)による冠動脈壁の直接の可視化が可能。 現在のセグメンテーションは、時間とユーザ依存のマニュアル操作に依存している。 本稿では,エンコーダ・デコーダ深層アーキテクチャを用いた深層学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-02-21T00:10:05Z)
• A Deep Learning-Based Approach to Extracting Periosteal and Endosteal Contours of Proximal Femur in Quantitative CT Images [25.76523855274612]
  セグメンテーションタスクのために,3次元の終端(3D)完全畳み込みニューラルネットワークを開発した。 同一のネットワーク構造を持つ2つのモデルが訓練され、それぞれ腹腔内輪郭と内皮輪郭に対して97.87%と96.49%のサイコロ類似係数(DSC)を達成した。 大腿骨頚部骨折のリスク予測や有限要素解析などの臨床応用の可能性を示した。
  論文  参考訳（メタデータ） (2021-02-03T10:23:41Z)
• Automated femur segmentation from computed tomography images using a deep neural network [0.0]
  骨粗しょう症(英: osteoporosis)は、骨の再生が古い骨の喪失に追いつかず、骨折のリスクが高まるという一般的な骨疾患である。 我々は, 深部畳み込みニューラルネットワークを用いて, CTスキャンから大腿骨の正確な, 自動化され, 堅牢で, 高速なセグメンテーションを創出する, 大腿骨近位部セグメンテーションのための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-01-27T23:37:56Z)
• An Analysis by Synthesis Method that Allows Accurate Spatial Modeling of Thickness of Cortical Bone from Clinical QCT [0.7340017786387765]
  骨粗しょう症(英: osteoporosis)は、大脳皮質骨と気管骨の強度の低下により骨折リスクが増大する骨格疾患である。 本研究では,皮質骨の厚み分布の正確な空間的モデリングを可能にする,新しいモデルに基づく完全自動画像解析手法を提案する。
  論文  参考訳（メタデータ） (2020-09-18T07:30:18Z)
• SCREENet: A Multi-view Deep Convolutional Neural Network for Classification of High-resolution Synthetic Mammographic Screening Scans [3.8137985834223502]
  本研究では,高分解能合成マンモグラム解析のための多視点深層学習手法の開発と評価を行う。 画像解像度とトレーニングセットサイズが精度に与える影響を評価する。
  論文  参考訳（メタデータ） (2020-09-18T00:12:33Z)

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。