論文の概要: Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture Detection

• arxiv url: http://arxiv.org/abs/2008.07831v1
• Date: Tue, 18 Aug 2020 10:03:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 22:07:07.729317
• Title: Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture Detection
• Title（参考訳）: Grading Loss: Vertebral Fracture 検出のためのフラクチャーグレードベースのMetric Loss
• Authors: Malek Husseini, Anjany Sekuboyina, Maximilian Loeffler, Fernando Navarro, Bjoern H. Menze, Jan S. Kirschke
• Abstract要約: 自動椎骨骨折検出のための表現学習型アプローチを提案する。 本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。 一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
• 参考スコア（独自算出の注目度）: 58.984536305767996
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Osteoporotic vertebral fractures have a severe impact on patients' overall well-being but are severely under-diagnosed. These fractures present themselves at various levels of severity measured using the Genant's grading scale. Insufficient annotated datasets, severe data-imbalance, and minor difference in appearances between fractured and healthy vertebrae make naive classification approaches result in poor discriminatory performance. Addressing this, we propose a representation learning-inspired approach for automated vertebral fracture detection, aimed at learning latent representations efficient for fracture detection. Building on state-of-art metric losses, we present a novel Grading Loss for learning representations that respect Genant's fracture grading scheme. On a publicly available spine dataset, the proposed loss function achieves a fracture detection F1 score of 81.5%, a 10% increase over a naive classification baseline.
• Abstract（参考訳）: 骨粗動性脊椎骨折は全身の健康に深刻な影響を及ぼすが、診断は困難である。 これらの骨折は、Genantのグレーティングスケールを用いて測定された様々なレベルの重大度に現れる。 不十分なアノテートデータセット、重度のデータ不均衡、骨折と健常な脊椎の外観の微妙な差異により、ナイーブな分類アプローチは識別能力の低下をもたらす。 そこで本研究では,骨折検出に有効な潜伏表現の学習を目的とした,自動脊椎骨折検出のための表現学習型アプローチを提案する。 最先端のメトリック損失に基づいて,genantの破壊格付けスキームを尊重する学習表現に対する新しい格付け損失を提案する。 公に入手可能な脊椎データセットにおいて、提案損失関数は破壊検出f1スコア81.5%を達成し、ナイーブ分類基準より10%上昇する。

関連論文リスト

• Deep Rib Fracture Instance Segmentation and Classification from CT on the RibFrac Challenge [66.86170104167608]
  RibFrac Challengeは、660のCTスキャンから5,000以上のリブ骨折のベンチマークデータセットを提供する。 MICCAI 2020チャレンジ期間中に243つの結果が評価され、7つのチームがチャレンジサマリーに参加するために招待された。 この分析により、いくつかのトップリブ骨折検出ソリューションが、人間の専門家と同等かそれ以上の性能を達成したことが明らかになった。
  論文  参考訳（メタデータ） (2024-02-14T18:18:33Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• Intelligent Cervical Spine Fracture Detection Using Deep Learning Methods [0.0]
  本稿では,各画像スライスにおける頚椎の存在を識別するための2段階パイプラインを提案する。 第1段階では、画像メタデータと画像メタデータを組み込んだマルチインプットネットワークを訓練する。 第2段階では、画像内の骨折を検出するためにYOLOv8モデルを訓練し、その効果をYOLOv5と比較する。
  論文  参考訳（メタデータ） (2023-11-09T19:34:42Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Faint Features Tell: Automatic Vertebrae Fracture Screening Assisted by Contrastive Learning [11.944282446506396]
  長期の脊椎骨折は患者の生活の質に深刻な影響を与え、気胸、腰椎変形、さらには麻痺を引き起こしている。 特に、深層学習モデルや経験の浅い医師では、軽度の骨折と正常なコントロールを区別することは極めて困難である。 そこで本研究では,CTスキャンを用いてGenentの脊椎骨折度を推定するための教師付きコントラスト学習ベースモデルを提案する。 両分類では99%,感度は85%,マクロF1は77%であった。
  論文  参考訳（メタデータ） (2022-08-23T02:39:08Z)
• 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 System for 3D Reconstruction Of Comminuted Tibial Plafond Bone Fractures [2.6121721052942917]
  関節部位における高エネルギーの影響は、しばしば高度に断片化された骨骨折を引き起こす。 現在の治療アプローチでは、骨折を階層的骨折重症度分類に分類する方法を医師が決める必要がある。 本稿では、破壊重大度の定性的評価のみに関連する欠点を特定し、これらの欠点に対処するのに役立つ新しい定量的指標を提供します。
  論文  参考訳（メタデータ） (2021-02-23T13:26:55Z)

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。