論文の概要: Anatomy-Aware Siamese Network: Exploiting Semantic Asymmetry for
Accurate Pelvic Fracture Detection in X-ray Images
- arxiv url: http://arxiv.org/abs/2007.01464v3
- Date: Thu, 23 Jul 2020 14:30:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 05:28:27.140615
- Title: Anatomy-Aware Siamese Network: Exploiting Semantic Asymmetry for
Accurate Pelvic Fracture Detection in X-ray Images
- Title（参考訳）: Anatomy-Aware Siamese Network:X線画像における正確な骨盤骨折検出のためのセマンティック非対称性の爆発
- Authors: Haomin Chen, Yirui Wang, Kang Zheng, Weijian Li, Chi-Tung Cheng, Adam
P. Harrison, Jing Xiao, Gregory D. Hager, Le Lu, Chien-Hung Liao, Shun Miao
- Abstract要約: 本研究では,空間トランス層で強化されたシームズネットワーク上に構築された新しいフラクチャー検出フレームワークを提案する。
提案法は, 特発性患者2,359例のPXRに対して広範囲に評価されている。
これは最先端の骨折検出方法の中でも最高であり、臨床症状の改善がある。
- 参考スコア（独自算出の注目度）: 36.35987775099686
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual cues of enforcing bilaterally symmetric anatomies as normal findings
are widely used in clinical practice to disambiguate subtle abnormalities from
medical images. So far, inadequate research attention has been received on
effectively emulating this practice in CAD methods. In this work, we exploit
semantic anatomical symmetry or asymmetry analysis in a complex CAD scenario,
i.e., anterior pelvic fracture detection in trauma PXRs, where semantically
pathological (refer to as fracture) and non-pathological (e.g., pose)
asymmetries both occur. Visually subtle yet pathologically critical fracture
sites can be missed even by experienced clinicians, when limited diagnosis time
is permitted in emergency care. We propose a novel fracture detection framework
that builds upon a Siamese network enhanced with a spatial transformer layer to
holistically analyze symmetric image features. Image features are spatially
formatted to encode bilaterally symmetric anatomies. A new contrastive feature
learning component in our Siamese network is designed to optimize the deep
image features being more salient corresponding to the underlying semantic
asymmetries (caused by pelvic fracture occurrences). Our proposed method have
been extensively evaluated on 2,359 PXRs from unique patients (the largest
study to-date), and report an area under ROC curve score of 0.9771. This is the
highest among state-of-the-art fracture detection methods, with improved
clinical indications.
- Abstract（参考訳）: 医学的画像から微妙な異常を曖昧にするために, 正常な所見として両側対称解剖を強制する視覚的な手がかりが臨床で広く用いられている。
これまで,CAD法でこの手法を効果的にエミュレートする研究は不十分であった。
本研究では, 外傷性pxrにおける骨盤前方骨折検出の複雑なcadシナリオにおいて, セマンティクス解剖学的対称性や非対称性解析を活用し, セマンティクス学的(骨折と呼ばれる)と非病理学的(ポーズなど)の非対称性を両立させる。
視覚的に微妙だが病理学的に重要な骨折部位は経験豊富な臨床医でも見逃す可能性がある。
空間変換器層で強化されたシームズネットワーク上に構築された新しいフラクチャー検出フレームワークを提案し,対称画像の特徴を均等に解析する。
画像の特徴は左右対称解剖をエンコードするために空間的にフォーマットされる。
シームズネットワークの新たなコントラスト的特徴学習コンポーネントは、根底にあるセマンティックな非対称性(骨盤骨折の発生による)に対応するより健全な深部画像特徴を最適化するように設計されている。
提案法は, 特発性患者(過去最大の研究)の2,359 PXRに対して広範囲に評価され, ROC曲線スコア0.9771以下の領域を報告している。
これは最先端の骨折検出方法の中でも最高であり、臨床症状の改善がある。
関連論文リスト
- Symmetry Awareness Encoded Deep Learning Framework for Brain Imaging Analysis [17.96729816246268]
本研究は,脳疾患の検出とセグメンテーション分析を強化するために,ヒト脳の固有対称解剖学的特徴を活用する新しいアプローチを提案する。
左右半球の対称的特徴を符号化するために,新たな対称性認識クロスアテンション (SACA) モジュールが提案され,Symmetry-Aware Head (SAH) として対称的特徴を検出するプロキシタスクが提案されている。
本研究は, 事前トレーニングに対称性認識を取り入れることの有効性を提唱し, 医用画像解析のための新しいベンチマークを作成し, 正確かつ効率的な診断プロセスに向けて大きな前進を約束する。
論文 参考訳（メタデータ） (2024-07-12T03:08:15Z) - 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) - Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging [39.597735935731386]
形状制約後処理を施したクラスアウェア軟骨骨分節ネットワークを提示し, 患者固有の骨骨格を捕捉する。
一般的なテンプレートから個々の患者へ、宿主間走査経路をマッピングするために、密度の高い骨格グラフに基づく非剛性登録が提示される。
提案手法は,CTテンプレートから個々の患者へのパスを,頑健かつ正確にマッピングできることを示す。
論文 参考訳（メタデータ） (2024-06-06T14:15:15Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - Region-based Contrastive Pretraining for Medical Image Retrieval with
Anatomic Query [56.54255735943497]
医用画像検索のための地域別コントラスト事前トレーニング(RegionMIR)
医用画像検索のための領域ベースコントラスト事前トレーニング(RegionMIR)について紹介する。
論文 参考訳（メタデータ） (2023-05-09T16:46:33Z) - Asymmetry Disentanglement Network for Interpretable Acute Ischemic
Stroke Infarct Segmentation in Non-Contrast CT Scans [16.901081820073593]
NCCTにおける病理症状と内因性解剖症状を自動的に分離する新しい非対称性ディスタングルメントネットワーク(ADN)を提案する。
ADNは入力NCCTに基づいてまず、異なるタイプの3次元非対称性写像を生成する非対称性非絡み合わせを行う。
ADNは、パブリックNCCTデータセット上で最先端のAISセグメンテーション性能を達成する。
論文 参考訳（メタデータ） (2022-06-30T17:39:28Z) - SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。
SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
論文 参考訳（メタデータ） (2021-11-26T13:47:34Z) - Symmetry-Enhanced Attention Network for Acute Ischemic Infarct
Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。
提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。
提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文 参考訳（メタデータ） (2021-10-11T07:13:26Z) - Exploring Partial Intrinsic and Extrinsic Symmetry in 3D Medical Imaging [39.5958976939981]
ヒト解剖学のCTにおける不完全な左右対称を検出するための新しい手法を提案する。
骨盤骨の構造的に対称な性質を探求し、外傷性外傷患者の片側骨折に対する介入画像増強法として用いられる。
論文 参考訳（メタデータ） (2020-03-04T19:08:55Z)
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。