論文の概要: Direct Estimation of Spinal Cobb Angles by Structured Multi-Output Regression

• arxiv url: http://arxiv.org/abs/2012.12626v1
• Date: Wed, 23 Dec 2020 12:33:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 18:18:18.432607
• Title: Direct Estimation of Spinal Cobb Angles by Structured Multi-Output Regression
• Title（参考訳）: 構造的マルチアウトプット回帰による脊髄 cobb 角度の直接推定
• Authors: Haoliang Sun, Xiantong Zhen, Chris Bailey, Parham Rasoulinejad, Yilong Yin, Shuo Li
• Abstract要約: 脊髄湾曲率を定量的に評価するコブ角度は、脊柱側膜症の診断および治療において重要な役割を果たします。 脊髄X線からのCobb角の推定を多出力回帰タスクとして定式化する。 本手法は, 高い精度で cobb 角度の直接推定が可能であり, 臨床応用の可能性も示唆する。
• 参考スコア（独自算出の注目度）: 42.67503464183464
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The Cobb angle that quantitatively evaluates the spinal curvature plays an important role in the scoliosis diagnosis and treatment. Conventional measurement of these angles suffers from huge variability and low reliability due to intensive manual intervention. However, since there exist high ambiguity and variability around boundaries of vertebrae, it is challenging to obtain Cobb angles automatically. In this paper, we formulate the estimation of the Cobb angles from spinal X-rays as a multi-output regression task. We propose structured support vector regression (S^2VR) to jointly estimate Cobb angles and landmarks of the spine in X-rays in one single framework. The proposed S^2VR can faithfully handle the nonlinear relationship between input images and quantitative outputs, while explicitly capturing the intrinsic correlation of outputs. We introduce the manifold regularization to exploit the geometry of the output space. We propose learning the kernel in S2VR by kernel target alignment to enhance its discriminative ability. The proposed method is evaluated on the spinal X-rays dataset of 439 scoliosis subjects, which achieves the inspiring correlation coefficient of 92.76% with ground truth obtained manually by human experts and outperforms two baseline methods. Our method achieves the direct estimation of Cobb angles with high accuracy, which indicates its great potential in clinical use.
• Abstract（参考訳）: 脊柱管曲率を定量的に評価するコブ角は、スコリオーシスの診断と治療において重要な役割を果たす。 これらの角度の従来の測定は、集中的な手動介入によって大きな変動と信頼性の低下に苦しむ。 しかし,椎体の境界付近には高い曖昧性と変動性があるため,自動的にコブ角を得ることは困難である。 本稿では,脊髄x線からのcobb角の推定を多出力回帰タスクとして定式化する。 一つのフレームワークにおいて,x線による脊椎の cobb 角度とランドマークを共同推定するための構造的支持ベクトル回帰 (s^2vr) を提案する。 提案するs^2vrは入力画像と定量的出力の非線形関係を忠実に処理でき,出力の固有相関を明示的に捉えることができる。 出力空間の幾何を利用するために多様体正規化を導入する。 本稿では、カーネルターゲットアライメントによるS2VRにおけるカーネルの学習を提案し、その識別能力を高める。 提案手法は, 439症例の脊髄X線データセットを用いて評価し, 人手による地上の真理と92.76%のインスピレーション相関係数を達成し, 2つのベースライン法より優れていた。 本手法は, 高い精度で cobb 角度の直接推定が可能であり, 臨床応用の可能性も示唆する。

関連論文リスト

• SG-LRA: Self-Generating Automatic Scoliosis Cobb Angle Measurement with Low-Rank Approximation [38.35450156563293]
  自動コブ角測定のための自己生成パイプラインと低ランク近似表現(SG-LRA)を含むフレームワークを提案する。 具体的には, 固有-スピン分解とスピン輪郭再構成が可能なLRAに基づくパラメータ化されたスピン輪郭表現を提案する。 当社のデータエンジンでは、プライバシリークを伴わずに、Spinal-AI2024という名前の最大のスコリシスX線データセットを生成しました。
  論文  参考訳（メタデータ） (2024-11-19T16:07:58Z)
• Deep learning automates Cobb angle measurement compared with multi-expert observers [3.7153471185088427]
  コブ角 (Cobb angle) は、傾斜した椎骨間の曲率を測定する、広く使われているスコリシス定量法である。 我々は、Cobb角を正確に測定し、これらの測定をはっきりと視覚化する完全に自動化されたソフトウェアを作成しました。 このソフトウェアは、ディープニューラルネットワークに基づく脊髄領域の検出とセグメンテーション、脊髄中心の同定を統合し、最も傾いた脊椎をピンポイントする。
  論文  参考訳（メタデータ） (2024-03-18T15:43:45Z)
• Predicting Spine Geometry and Scoliosis from DXA Scans [49.68543422441626]
  まず、ニューラルネットワークをトレーニングして、スキャン中のミドルスピン曲線を予測し、次いで積分法を用いて、スピン曲線に沿った曲率を決定する。 最大曲率を評価関数として用いて, 脊椎変形の重症度を推定できることが示唆された。
  論文  参考訳（メタデータ） (2023-11-15T22:49:08Z)
• B-Spine: Learning B-Spline Curve Representation for Robust and Interpretable Spinal Curvature Estimation [50.208310028625284]
  脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。 低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
  論文  参考訳（メタデータ） (2023-10-14T15:34:57Z)
• 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)
• Development of Machine learning algorithms to identify the Cobb angle in adolescents with idiopathic scoliosis based on lumbosacral joint efforts during gait (Case study) [1.1199585259018454]
  本研究の目的は、自動放射線フリーモデルを開発することにより、コブ角を同定することである。 放射能のないデータとしての歩行中の腰仙関節は、コブ角を識別することができる。
  論文  参考訳（メタデータ） (2023-01-29T23:58:16Z)
• Automating Cobb Angle Measurement for Adolescent Idiopathic Scoliosis using Instance Segmentation [1.3161405778899375]
  現在、スコリオーシスを評価するための基準基準は、コブ角のマニュアル割り当てに基づいている。 本稿では,YOLACT(インスタンスセグメンテーションモデル)を用いたコブ角計測タスクを提案する。 提案手法はまず,YOLACTを用いてX線画像に椎骨を分割し,最小境界ボックスアプローチを用いて重要なランドマークを追跡する。
  論文  参考訳（メタデータ） (2022-11-25T14:04:06Z)
• Simultaneous Estimation of X-ray Back-Scatter and Forward-Scatter using Multi-Task Learning [59.17383024536595]
  後方散乱は複雑な介入の際の患者(皮膚)の服用に大きく寄与する。 前方散乱放射線は投影画像のコントラストを低減し、3次元再構成でアーティファクトを導入する。 本稿では,従来の手法と学習に基づく手法を組み合わせて,検出器に到達した前方散乱を同時に推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-08T10:47:37Z)
• Analysis of Scoliosis From Spinal X-Ray Images [17.8260780895433]
  脊柱管の計測には脊椎のラベル付けと識別が必要である。 スコリオーシス(英: Scoliosis)は、脊椎が正常な形状から変形する先天性疾患である。 そこで本研究では,脊柱管狭窄計測に伴う脊椎の完全自動的,信頼性の高いセグメンテーションを提供するエンドツーエンドセグメンテーションモデルを提案する。
  論文  参考訳（メタデータ） (2020-04-15T05:36:28Z)
• Vertebra-Focused Landmark Detection for Scoliosis Assessment [54.24477530836629]
  脊椎に焦点をあてた新しいランドマーク検出法を提案する。 我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。 その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
  論文  参考訳（メタデータ） (2020-01-09T19:17:41Z)

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。