論文の概要: Large-Scale Analysis of Iliopsoas Muscle Volumes in the UK Biobank

• arxiv url: http://arxiv.org/abs/2008.05217v2
• Date: Fri, 14 Aug 2020 11:16:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 06:16:17.655254
• Title: Large-Scale Analysis of Iliopsoas Muscle Volumes in the UK Biobank
• Title（参考訳）: 英国バイオバンクにおける腸腰筋量に関する大規模解析
• Authors: Julie Fitzpatrick, Nicolas Basty, Madeleine Cule, Yi Liu, Jimmy D. Bell, E. Louise Thomas, Brandon Whitcher
• Abstract要約: 我々は、畳み込みニューラルネットワークを用いて、腸腰筋の体積を全自動計測する方法を開発した。 Iliopsoas muscle volume were successfully measured in all 5,000 were measured in all 5,000。
• 参考スコア（独自算出の注目度）: 1.7427143161739729
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Psoas muscle measurements are frequently used as markers of sarcopenia and predictors of health. Manually measured cross-sectional areas are most commonly used, but there is a lack of consistency regarding the position of the measurementand manual annotations are not practical for large population studies. We have developed a fully automated method to measure iliopsoas muscle volume (comprised of the psoas and iliacus muscles) using a convolutional neural network. Magnetic resonance images were obtained from the UK Biobank for 5,000 male and female participants, balanced for age, gender and BMI. Ninety manual annotations were available for model training and validation. The model showed excellent performance against out-of-sample data (dice score coefficient of 0.912 +/- 0.018). Iliopsoas muscle volumes were successfully measured in all 5,000 participants. Iliopsoas volume was greater in male compared with female subjects. There was a small but significant asymmetry between left and right iliopsoas muscle volumes. We also found that iliopsoas volume was significantly related to height, BMI and age, and that there was an acceleration in muscle volume decrease in men with age. Our method provides a robust technique for measuring iliopsoas muscle volume that can be applied to large cohorts.
• Abstract（参考訳）: 腰筋の計測は、しばしばサルコペンタニアのマーカーや健康の予測因子として用いられる。 手動測定された断面積が最も多く用いられるが、測定位置に関して一貫性が欠如しており、大規模な研究には手動アノテーションは実用的ではない。 本研究では,畳み込みニューラルネットワークを用いて,腸腰筋量(腸腰筋と腸骨筋)の完全自動計測法を開発した。 磁気共鳴画像は、英国バイオバンクから男性5000人、女性5000人を対象に、年齢、性別、BMIのバランスを取って得られた。 モデルトレーニングと検証には9つの手動アノテーションが利用可能だった。 このモデルではサンプル外データに対して優れた性能を示した(スコア係数 0.912 +/- 0.018)。 腸腰筋容積は5000名全員で正常に測定できた。 男性ではイリオプソアスの容積が女性に比べて大きかった。 左右の腸腰筋量との間には小さいが有意な非対称性があった。 また,イリオポアス量は身長,BMI,年齢と有意な相関がみられ,成人男性では筋量減少が加速していた。 本手法は,大きなコホートに適用可能な腸腰筋量を測定するためのロバストな手法を提供する。

関連論文リスト

• Towards Population Scale Testis Volume Segmentation in DIXON MRI [36.99701512096226]
  本稿では,英国ビオバンクの磁気共鳴イメージングデータを用いて,精巣体積のセグメンテーション法の評価を行った。 最適なモデルでは、平均的なダイススコアが0.87ドルであり、同じデータセット上で人間の相互信頼度が0.83ドルであるのに対して、中央のダイススコアが0.83ドルである。
  論文  参考訳（メタデータ） (2024-10-30T10:03:55Z)
• On Evaluating Adversarial Robustness of Volumetric Medical Segmentation Models [59.45628259925441]
  体積医学セグメンテーションモデルは、臓器および腫瘍ベースのセグメンテーションタスクにおいて大きな成功を収めた。 敵の攻撃に対するその脆弱性はほとんど解明されていない。 このことは、既存のモデルの堅牢性を調べることの重要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-06-12T17:59:42Z)
• Muscle volume quantification: guiding transformers with anatomical priors [1.8951649296071207]
  3次元磁気共鳴画像を用いた下肢18筋の自動分割法を提案する。 筋肉分節アルゴリズムは外観に依存しないが、輪郭の手がかりにのみ依存する。 本稿では,このようなハイブリッドアーキテクチャの挙動を,形状解析における筋分節の文脈で初めて考察する。
  論文  参考訳（メタデータ） (2023-10-31T10:56:10Z)
• Body Fat Estimation from Surface Meshes using Graph Neural Networks [48.85291874087541]
  三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。 本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
  論文  参考訳（メタデータ） (2023-07-13T10:21:34Z)
• Automatic Segmentation of the Placenta in BOLD MRI Time Series [7.495136385800027]
  BOLD MRIの胎盤を自動的に分割するU-Netニューラルネットワークアーキテクチャに基づく機械学習モデルを提案する。 健康な胎児,胎児の成長制限のある胎児,高BMIの母親を含む91名の被験者を対象に,本モデルを訓練・試験した。
  論文  参考訳（メタデータ） (2022-08-04T21:51:10Z)
• Body Composition Estimation Based on Multimodal Multi-task Deep Neural Network [0.0]
  体組成は主に筋肉、脂肪、骨、水から構成される。 マルチモーダル多タスクディープニューラルネットワークを導入し,体脂肪率と骨格筋質量を推定した。
  論文  参考訳（メタデータ） (2022-05-23T04:31:06Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• Exploring the Limits of Domain-Adaptive Training for Detoxifying Large-Scale Language Models [84.30718841659531]
  言語モデルの毒性を低減するために,ドメイン適応型学習について検討する。 トレーニングコーパスでは, LMの生成能力を活用することを提案する。 次に,126Mから530Bまでのパラメータサイズを持つLMを包括的に研究した。
  論文  参考訳（メタデータ） (2022-02-08T22:10:40Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Universal Loss Reweighting to Balance Lesion Size Inequality in 3D Medical Image Segmentation [50.63623720394348]
  ネットワークの小さな病変の検出能力を高めるために,損失再重み付け手法を提案する。 Dice Loss, Focal Loss, Asymmetric similarity Lossなど,よく知られた損失関数に対する本手法の利点を報告する。 実験の結果, 逆重み付けは検出品質を著しく向上させる一方で, 最先端のデライン化品質を保っていることがわかった。
  論文  参考訳（メタデータ） (2020-07-20T12:08:22Z)

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。