論文の概要: Automatic Recognition of the Supraspinatus Tendinopathy from Ultrasound
Images using Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2011.11777v1
- Date: Mon, 23 Nov 2020 22:41:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 03:04:14.818900
- Title: Automatic Recognition of the Supraspinatus Tendinopathy from Ultrasound
Images using Convolutional Neural Networks
- Title(参考訳): 畳み込みニューラルネットワークを用いた超音波画像からの視床上腱症の自動認識
- Authors: Mostafa Jahanifar, Neda Zamani Tajeddin, Meisam Hasani, Babak
Shekarchi, Kamran Azema
- Abstract要約: 畳み込みニューラルネットワークに基づく自動腱症認識フレームワークが提案されている。
テンドンセグメンテーションはNASUNetという新しいネットワークを通じて行われる。
腱症診断のための一般的な分類パイプラインが提案されている。
- 参考スコア(独自算出の注目度): 1.021325814813899
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tendon injuries like tendinopathies, full and partial thickness tears are
prevalent, and the supraspinatus tendon (SST) is the most vulnerable ones in
the rotator cuff. Early diagnosis of SST tendinopathies is of high importance
and hard to achieve using ultrasound imaging. In this paper, an automatic
tendinopathy recognition framework based on convolutional neural networks has
been proposed to assist the diagnosis. This framework has two essential parts
of tendon segmentation and classification. Tendon segmentation is done through
a novel network, NASUNet, which follows an encoder-decoder architecture
paradigm and utilizes a multi-scale Enlarging cell. Moreover, a general
classification pipeline has been proposed for tendinopathy recognition, which
supports different base models as the feature extractor engine. Two feature
maps comprising positional information of the tendon region have been
introduced as the network input to make the classification network
spatial-aware. To evaluate the tendinopathy recognition system, a data set
consisting of 100 SST ultrasound images have been acquired, in which
tendinopathy cases are double-verified by magnetic resonance imaging. In both
segmentation and classification tasks, lack of training data has been
compensated by incorporating knowledge transferring, transfer learning, and
data augmentation techniques. In cross-validation experiments, the proposed
tendinopathy recognition model achieves 91% accuracy, 86.67% sensitivity, and
92.86% specificity, showing state-of-the-art performance against other models.
- Abstract(参考訳): 腱の損傷は, 腱障害, 完全および部分的な皮下断裂, 上垂体腱(SST)が最も脆弱である。
SSTの早期診断は極めて重要であり,超音波画像検査で行うことは困難である。
本稿では,畳み込みニューラルネットワークを用いた自動腱症認識フレームワークを提案し,診断支援を行った。
この枠組みは腱のセグメンテーションと分類の2つの重要な部分を持っている。
テンドンセグメンテーションは、エンコーダ-デコーダアーキテクチャのパラダイムに従い、マルチスケールのエンラギングセルを使用する新しいネットワークNASUNetを通じて行われる。
さらに、特徴抽出エンジンとして異なる基底モデルをサポートする腱症認識のための一般分類パイプラインが提案されている。
ネットワーク入力として, 腱領域の位置情報を含む2つの特徴地図を導入し, 分類ネットワークを空間的に認識した。
腱症認識システムを評価するため、100SST超音波画像からなるデータセットが取得され、磁気共鳴画像により腱症症例が二重検証された。
セグメンテーションと分類の両方のタスクでは、知識の伝達、伝達学習、データ拡張技術を取り入れることで、トレーニングデータの欠如が補償されている。
クロスバリデーション実験では、提案した腱症認識モデルは91%の精度、86.67%の感度、92.86%の特異性を達成し、他のモデルに対する最先端の性能を示している。
関連論文リスト
- Recurrent and Convolutional Neural Networks in Classification of EEG Signal for Guided Imagery and Mental Workload Detection [0.9895793818721335]
本稿では,26名の学生を対象に,高密度アレイ脳波増幅器を用いたガイド画像緩和技術と精神作業負荷に関する調査を行った。
論文 参考訳(メタデータ) (2024-05-27T07:49:30Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳(メタデータ) (2024-03-21T15:13:36Z) - NEURO HAND: A weakly supervised Hierarchical Attention Network for
interpretable neuroimaging abnormality Detection [0.516706940452805]
臨床病院で得られたMRIスキャンを用いて, 異常検出のための階層的注意ネットワークを提案する。
提案するネットワークは,非体積データ(高分解能MRIスライススタック)に適しており,二値検査レベルのラベルからトレーニングすることができる。
論文 参考訳(メタデータ) (2023-11-06T09:55:19Z) - HydraViT: Adaptive Multi-Branch Transformer for Multi-Label Disease
Classification from Chest X-ray Images [0.0]
胸部X線画像におけるマルチラベル分類性能を改善するための新しい手法を提案する。
HydraViTは、トランスフォーマーバックボーンとマルチブランチ出力モジュールと学習重み付けを組み合わせたものだ。
HydraViTは、競合する注意誘導手法の1.2%、地域誘導手法の1.4%、意味誘導手法の1.0%を上回っている。
論文 参考訳(メタデータ) (2023-10-09T20:45:29Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳(メタデータ) (2023-07-10T01:26:48Z) - Prostate Lesion Detection and Salient Feature Assessment Using
Zone-Based Classifiers [0.0]
マルチパラメトリックMRI(Multi-parametric magnetic resonance imaging)は前立腺癌の病変の検出において役割を担っている。
これらのスキャンを解釈する医療専門家は、コンピュータ支援検出システムを用いることで、ヒューマンエラーのリスクを低減することが重要である。
本稿では,各前立腺領域に最適な機械学習分類器について検討する。
論文 参考訳(メタデータ) (2022-08-24T13:08:56Z) - Data-Efficient Vision Transformers for Multi-Label Disease
Classification on Chest Radiographs [55.78588835407174]
視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。
ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。
以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
論文 参考訳(メタデータ) (2022-08-17T09:07:45Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Domain Generalization for Medical Imaging Classification with
Linear-Dependency Regularization [59.5104563755095]
本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。
医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
論文 参考訳(メタデータ) (2020-09-27T12:30:30Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳(メタデータ) (2020-07-18T05:46:47Z)
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。