論文の概要: Improved Diagnosis of Tibiofemoral Cartilage Defects on MRI Images Using Deep Learning

• arxiv url: http://arxiv.org/abs/2012.00144v1
• Date: Mon, 30 Nov 2020 22:50:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-06 14:57:16.267797
• Title: Improved Diagnosis of Tibiofemoral Cartilage Defects on MRI Images Using Deep Learning
• Title（参考訳）: 深層学習によるmri画像上軟骨欠損の診断の改善
• Authors: Gergo Merkely, Alireza Borjali, Molly Zgoda, Evan M. Farina, Simon Gortz, Orhun Muratoglu, Christian Lattermann, Kartik M. Varadarajan
• Abstract要約: 深層学習は、診断精度と速度を改善するために医療画像を自動的に解釈するために使われてきた。 本研究の目的は, 膝関節MRI画像の解釈に応用した深層学習が, 軟骨の欠陥を正確に識別するために有効であるかどうかを評価することである。 我々は、MRI画像を分析するために3つの畳み込みニューラルネットワーク(CNN)を開発し、CNNの意思決定過程を可視化するために、画像特異的な解像度マップを実装した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: MRI is the modality of choice for cartilage imaging; however, its diagnostic performance is variable and significantly lower than the gold standard diagnostic knee arthroscopy. In recent years, deep learning has been used to automatically interpret medical images to improve diagnostic accuracy and speed. Purpose: The primary purpose of this study was to evaluate whether deep learning applied to the interpretation of knee MRI images can be utilized to identify cartilage defects accurately. Methods: We analyzed data from patients who underwent knee MRI evaluation and consequently had arthroscopic knee surgery (207 with cartilage defect, 90 without cartilage defect). Patients' arthroscopic findings were compared to preoperative MRI images to verify the presence or absence of isolated tibiofemoral cartilage defects. We developed three convolutional neural networks (CNNs) to analyze the MRI images and implemented image-specific saliency maps to visualize the CNNs' decision-making process. To compare the CNNs' performance against human interpretation, the same test dataset images were provided to an experienced orthopaedic surgeon and an orthopaedic resident. Results: Saliency maps demonstrated that the CNNs learned to focus on the clinically relevant areas of the tibiofemoral articular cartilage on MRI images during the decision-making processes. One CNN achieved higher performance than the orthopaedic surgeon, with two more accurate diagnoses made by the CNN. All the CNNs outperformed the orthopaedic resident. Conclusion: CNN can be used to enhance the diagnostic performance of MRI in identifying isolated tibiofemoral cartilage defects and may replace diagnostic knee arthroscopy in certain cases in the future.
• Abstract（参考訳）: 背景:MRIは軟骨画像撮影における選択のモダリティであるが,診断性能はゴールド標準の膝関節鏡より変化し,有意に低かった。 近年、医学画像の自動解釈にディープラーニングが用いられており、診断精度と速度が向上している。 目的: 本研究の目的は, 膝関節MRI画像の解釈に応用した深層学習を用いて軟骨の欠陥を正確に同定できるかどうかを評価することである。 方法: 関節鏡下膝関節手術を行った症例(軟骨欠損207例, 軟骨欠損90例)のデータを解析した。 症例の鏡視下所見を術前mri画像と比較し, 分離軟骨欠損の有無について検討した。 我々は、MRI画像を分析するために3つの畳み込みニューラルネットワーク(CNN)を開発し、CNNの意思決定過程を可視化するために画像特異的な唾液マップを実装した。 cnnのパフォーマンスと人間の解釈を比較するために、経験豊富な整形外科医と整形外科患者に同じテストデータセットイメージを提供した。 結果:Saliency mapでは,CNNは意思決定過程におけるMRI画像における大腿骨関節軟骨の臨床的関連領域に焦点を当てることを学んだ。 片方のCNNは整形外科より高い成績を示し、より正確な診断はCNNが行った。 全てのCNNは整形外科患者より優れていた。 結論: CNNは, 今後, 関節鏡検査に代えて, 孤立性大腿骨軟骨欠損症を同定し, MRIの診断性能を高めるために用いられる。

関連論文リスト

• Intraoperative Glioma Segmentation with YOLO + SAM for Improved Accuracy in Tumor Resection [1.9461727843485295]
  グリオーマは、健康な組織との類似性から、重要な外科的課題を呈する。 MRI画像は、脳のシフトなどの要因により、手術中は効果がないことが多い。 本稿では,You Only Look Once Version 8 (Yv8) と Segment Anything Model Vision Transformer-base を組み合わせたディープラーニングパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:58:08Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• Video4MRI: An Empirical Study on Brain Magnetic Resonance Image Analytics with CNN-based Video Classification Frameworks [60.42012344842292]
  3次元CNNモデルが磁気共鳴画像(MRI)解析の分野を支配している。 本稿では,アルツハイマー病とパーキンソン病の認識の4つのデータセットを実験に利用した。 効率の面では、ビデオフレームワークは3D-CNNモデルよりも5%から11%、トレーニング可能なパラメータは50%から66%少ない。
  論文  参考訳（メタデータ） (2023-02-24T15:26:31Z)
• Structure Regularized Attentive Network for Automatic Femoral Head Necrosis Diagnosis and Localization [12.95252724282746]
  本稿では,パッチアテンションに基づく分類中の壊死領域を強調するために,構造正規化ネットワーク注意(SRANet)を提案する。 SRANetは画像のチャンク内の特徴を抽出し、特徴を集約するアテンション機構を介して重みを求め、それらを構造正規化器によって制約し、一般化を改善する。 SRANet は AVNFH 分類において CNN よりも優れており, 病変の局所化や診断支援のための情報の提供も可能である。
  論文  参考訳（メタデータ） (2022-08-23T02:31:38Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• 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)
• Knee Cartilage Defect Assessment by Graph Representation and Surface Convolution [40.36360714443767]
  軟骨欠損は変形性膝関節症(OA)の主要な徴候と見なされる 膝関節MRIに畳み込みニューラルネットワーク(CNN)を適用することで膝軟骨欠損の評価に多くの試みがなされている。 軟骨構造と膝関節MRIからの外観をグラフ表現にモデル化し,高度に多様な臨床データを扱うことができる。 そして, 軟骨グラフ表現を用いて, 非ユークリッド深層学習ネットワークを設計し, 局所的およびグローバル的な軟骨の特徴を抽出する。
  論文  参考訳（メタデータ） (2022-01-12T05:55:32Z)
• Knee Injury Detection using MRI with Efficiently-Layered Network (ELNet) [1.8374319565577157]
  本稿では,三肢MRIの早期診断に最適化された畳み込みニューラルネットワーク(CNN)アーキテクチャであるELNetを提案する。 提案されたモデルは、非常に軽量($1MB)なので、実際の臨床環境でのトレーニングやデプロイが容易である。
  論文  参考訳（メタデータ） (2020-05-06T10:21:16Z)
• Deep Learning for Musculoskeletal Image Analysis [5.271212551436945]
  本研究では,機械学習,特にディープラーニングの手法を用いて,MRIスキャンの迅速かつ正確な画像解析を行う方法について述べる。 メニスカスおよび前十字靭帯断裂を含む各種異常の機械学習分類について検討した。 広く用いられている畳み込みニューラルネットワーク(CNN)に基づくアーキテクチャを用いて,膝の異常分類性能を比較検討した。
  論文  参考訳（メタデータ） (2020-03-01T18:13:59Z)

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。