論文の概要: SIMBA: Specific Identity Markers for Bone Age Assessment

• arxiv url: http://arxiv.org/abs/2007.05454v2
• Date: Mon, 13 Jul 2020 16:30:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 22:34:44.984499
• Title: SIMBA: Specific Identity Markers for Bone Age Assessment
• Title（参考訳）: SIMBA:骨年齢評価のための特異な識別マーカー
• Authors: Cristina Gonz\'alez and Mar\'ia Escobar and Laura Daza and Felipe Torres and Gustavo Triana and Pablo Arbel\'aez
• Abstract要約: SIMBAは,識別マーカーを用いた骨年齢評価の課題に対する新しいアプローチである。 我々は最先端のモデルを構築し、識別マーカーに存在する情報を元のハンドラジオグラフィーから生成した視覚的特徴と融合させる。 我々は,放射線ハンドポース推定データセット上でSIMBAを検証し,従来の最先端手法よりも優れていることを確認した。
• 参考スコア（独自算出の注目度）: 4.520307057539064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bone Age Assessment (BAA) is a task performed by radiologists to diagnose abnormal growth in a child. In manual approaches, radiologists take into account different identity markers when calculating bone age, i.e., chronological age and gender. However, the current automated Bone Age Assessment methods do not completely exploit the information present in the patient's metadata. With this lack of available methods as motivation, we present SIMBA: Specific Identity Markers for Bone Age Assessment. SIMBA is a novel approach for the task of BAA based on the use of identity markers. For this purpose, we build upon the state-of-the-art model, fusing the information present in the identity markers with the visual features created from the original hand radiograph. We then use this robust representation to estimate the patient's relative bone age: the difference between chronological age and bone age. We validate SIMBA on the Radiological Hand Pose Estimation dataset and find that it outperforms previous state-of-the-art methods. SIMBA sets a trend of a new wave of Computer-aided Diagnosis methods that incorporate all of the data that is available regarding a patient. To promote further research in this area and ensure reproducibility we will provide the source code as well as the pre-trained models of SIMBA.
• Abstract（参考訳）: 骨年齢評価 (BAA) は、放射線技師が小児の異常な成長を診断するための課題である。 手動のアプローチでは、放射線科医は骨年齢、すなわち年代、性別を計算する際に異なる識別マーカーを考慮に入れる。 しかし,現在の骨年齢自動評価法は,患者のメタデータに含まれている情報を完全に活用するものではない。 この方法の欠如をモチベーションとして,骨年齢評価のためのSIMBA: specific Identity Markersを提案する。 SIMBAは、識別マーカーを用いたBAAタスクのための新しいアプローチである。 この目的のために,本研究では,識別マーカーに存在する情報と,元のハンドラジオグラフィから生成した視覚的特徴とを融合した最新技術モデルを構築した。 次に、この頑健な表現を用いて、患者の相対的な骨年齢(年代と骨年齢の差)を推定する。 我々は,放射線ハンドポース推定データセット上でSIMBAを検証し,従来の最先端手法よりも優れていることを確認した。 SIMBAは、患者に関するすべてのデータを組み込んだコンピュータ支援診断手法の新たな波の傾向を定めている。 この領域のさらなる研究を促進し、再現性を確保するため、SIMBAの事前訓練されたモデルと同様にソースコードを提供する。

関連論文リスト

• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• An Unsupervised Deep-Learning Method for Bone Age Assessment [4.227079957387361]
  骨の発達の程度を反映した骨年齢は、成人の高さを予測し、子供の内分泌疾患を検出するために用いられる。 本稿では,制約付き畳み込みオートエンコーダ(CCAE)を用いて,骨年齢の分類とBA-CCAEの洗礼を行うモデルを提案する。 北米放射線学会(Radiological Society of North America)の実験では、48ヶ月間隔での分類の精度は76.15%である。
  論文  参考訳（メタデータ） (2022-06-12T02:31:36Z)
• 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)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• Explaining COVID-19 and Thoracic Pathology Model Predictions by Identifying Informative Input Features [47.45835732009979]
  ニューラルネットワークは胸部X線上の分類および回帰タスクにおいて顕著な性能を示した。 特徴帰属法は、出力予測における入力特徴の重要性を識別する。 本研究では,NIH Chest X-ray8およびBrixIAデータセット上で,人間中心の解釈可能性指標と人間に依存しない特徴重要度指標の両方を用いて評価する。
  論文  参考訳（メタデータ） (2021-04-01T11:42:39Z)
• Uncertainty-Based Biological Age Estimation of Brain MRI Scans [10.670209276046915]
  3次元磁気共鳴画像(MRI)を用いた臓器特異的BA推定のための新しい枠組みを提案する。 アルツハイマー病患者における予期したBAと予期される認知低下との相関性を示す。
  論文  参考訳（メタデータ） (2021-03-15T16:08:23Z)
• 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)
• Mini-DDSM: Mammography-based Automatic Age Estimation [0.4932130498861986]
  年齢推定のためのマンモグラムの研究は、私たちが知る限り、行われていない。 年齢属性を持つ公共マンモグラフィーデータセットが不足しているため、ウェブクローラを用いてサムネイルマンモグラフィー画像とその年齢フィールドをパブリックデータセットであるデジタル・データベース・フォー・スクリーニング・マンモグラフィーからダウンロードする。 その後、収集したデータセットから深層学習の特徴を抽出し、ランダムフォレスト回帰器を用いて年齢を自動的に推定するモデルを構築した。
  論文  参考訳（メタデータ） (2020-10-01T15:35:11Z)
• Age-Net: An MRI-Based Iterative Framework for Brain Biological Age Estimation [18.503467872057424]
  生物学的年齢(BA)の概念は、主に明確に定義された基準基準が欠如していることから理解するのが困難である。 臓器特異的BA推定のための新しい画像ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-22T19:04:02Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)

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。