Fugu-MT 論文翻訳(概要): Automated Detection of Patellofemoral Osteoarthritis from Knee Lateral View Radiographs Using Deep Learning: Data from the Multicenter Osteoarthritis Study (MOST)

論文の概要: Automated Detection of Patellofemoral Osteoarthritis from Knee Lateral View Radiographs Using Deep Learning: Data from the Multicenter Osteoarthritis Study (MOST)

arxiv url: http://arxiv.org/abs/2101.04350v1
Date: Tue, 12 Jan 2021 08:37:55 GMT
ステータス: 処理完了
システム内更新日: 2021-04-04 01:49:44.279168
Title: Automated Detection of Patellofemoral Osteoarthritis from Knee Lateral View Radiographs Using Deep Learning: Data from the Multicenter Osteoarthritis Study (MOST)
Title（参考訳）: 深層学習による膝蓋骨遠位端関節症の自動検出:多施設変形性膝関節症研究(MOST)データ
Authors: Neslihan Bayramoglu, Miika T. Nieminen, Simo Saarakkala
Abstract要約: 本論文では,PFOA(Automatic Patello大腿骨関節症)検出法を提案する。膝側方X線写真から乳頭領域を訓練した深層学習モデルでは、患者特性や臨床評価に基づくモデルよりもPFOAの予測が優れています。
参考スコア（独自算出の注目度）: 3.609538870261841
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Objective: To assess the ability of imaging-based deep learning to predict radiographic patellofemoral osteoarthritis (PFOA) from knee lateral view radiographs. Design: Knee lateral view radiographs were extracted from The Multicenter Osteoarthritis Study (MOST) (n = 18,436 knees). Patellar region-of-interest (ROI) was first automatically detected, and subsequently, end-to-end deep convolutional neural networks (CNNs) were trained and validated to detect the status of patellofemoral OA. Patellar ROI was detected using deep-learning-based object detection method. Manual PFOA status assessment provided in the MOST dataset was used as a classification outcome for the CNNs. Performance of prediction models was assessed using the area under the receiver operating characteristic curve (ROC AUC) and the average precision (AP) obtained from the precision-recall (PR) curve in the stratified 5-fold cross validation setting. Results: Of the 18,436 knees, 3,425 (19%) had PFOA. AUC and AP for the reference model including age, sex, body mass index (BMI), the total Western Ontario and McMaster Universities Arthritis Index (WOMAC) score, and tibiofemoral Kellgren-Lawrence (KL) grade to predict PFOA were 0.806 and 0.478, respectively. The CNN model that used only image data significantly improved the prediction of PFOA status (ROC AUC= 0.958, AP= 0.862). Conclusion: We present the first machine learning based automatic PFOA detection method. Furthermore, our deep learning based model trained on patella region from knee lateral view radiographs performs better at predicting PFOA than models based on patient characteristics and clinical assessments.
Abstract（参考訳）: 目的: 画像を用いた深層学習による膝蓋骨変形性膝関節症(PFOA)の予測能力を評価すること。デザイン:多中心型変形性関節症研究(MOST) (n=18,436膝) から膝側視像を抽出した。 Patellar region-of-interest(ROI)が最初に自動的に検出され、その後、終末から終末にかけての深部畳み込みニューラルネットワーク(CNN)が訓練され、パテロフェモラルOAの状態を検出した。深層学習に基づく物体検出法を用いてパテラーROIを検出した。 MOSTデータセットで提供される手動PFOAステータスアセスメントをCNNの分類結果として用いた。予測モデルの性能は, 受信機動作特性曲線 (ROC AUC) と, 層状5次元断面検証設定における精度再コール曲線 (PR) から得られた平均精度 (AP) に基づいて評価した。結果: 膝18,436例中3,425例(19%)がPFOAであった。 AUCとAPは、年齢、性別、体重指数(BMI)、西オンタリオ大学およびマクマスター大学関節炎指数(WOMAC)スコア、およびPFOAを予測するためのKelgren-Lawrence(KL)グレードが0.806と0.478であった。画像データのみを用いたCNNモデルはPFOA状態の予測を著しく改善した(ROC AUC=0.958, AP=0.862)。結論: 第1回機械学習に基づく自動pfoa検出法を提案する。さらに,膝側方x線写真から膝蓋骨領域を訓練した深層学習モデルでは,患者特性と臨床評価に基づくモデルよりもpfoaの予測が良好である。

関連論文リスト

A Federated Learning Framework for Stenosis Detection [70.27581181445329]
本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
論文参考訳（メタデータ） (2023-10-30T11:13:40Z)
Deep Learning for Predicting Progression of Patellofemoral Osteoarthritis Based on Lateral Knee Radiographs, Demographic Data and Symptomatic Assessments [1.1549572298362785]
本研究はMOST研究のベースラインから被験者(被験者1832名,膝3276名)を抽出した。 PF関節領域は, 側膝X線上の自動ランドマーク検出ツール(BoneFinder)を用いて同定した。年齢、性別、BMIおよびWOMACスコア、および大腿骨関節X線学的関節炎ステージ(KLスコア)の危険因子について
論文参考訳（メタデータ） (2023-05-10T06:43:33Z)
Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
論文参考訳（メタデータ） (2022-12-17T23:29:14Z)
White Matter Tracts are Point Clouds: Neuropsychological Score Prediction and Critical Region Localization via Geometric Deep Learning [68.5548609642999]
ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。 Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
論文参考訳（メタデータ） (2022-07-06T02:03:28Z)
Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文参考訳（メタデータ） (2021-10-19T00:03:57Z)
The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。オープンソースデータのトレーニングやテストでは,結果は異例です。データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文参考訳（メタデータ） (2021-09-14T10:59:11Z)
Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale Deep Convolutional Neural Network [8.950918531231158]
本稿では,KellgrenおよびLawrenceグレードの分類をX線から自動的に評価する,深層学習ベースのフレームワークであるOsteHRNetを提案する。提案モデルでは,OAIデータセットのベースラインコホートにおいて,71.74%,0.311のMAEが最良である。
論文参考訳（メタデータ） (2021-06-27T17:29:46Z)
Machine Learning Based Texture Analysis of Patella from X-Rays for Detecting Patellofemoral Osteoarthritis [3.609538870261841]
ランドマーク検出ツール(BoneFinder)を用いてROI(Patellar region-of-interest)を自動的に検出した。次に、LocalBinary Patterns (LBP)に基づく手作りの特徴を抽出し、パテラーテクスチャを記述した。膝蓋骨遠位端変形性関節症(PFOA)検出のためのテクスチャパッチに直接、エンドツーエンド訓練深部畳み込みニューラルネットワーク(CNN)を用いた。
論文参考訳（メタデータ） (2021-06-03T09:03:31Z)
Transfer Learning with Ensembles of Deep Neural Networks for Skin Cancer Classification in Imbalanced Data Sets [0.6802401545890961]
医療画像から皮膚癌を正確に分類するための機械学習技術が報告されている。多くのテクニックは、訓練済みの畳み込みニューラルネットワーク(CNN)に基づいており、限られたトレーニングデータに基づいてモデルをトレーニングすることができる。本稿では,複数のcnnモデルが事前学習され,一部は手元のデータのみにトレーニングされ,患者情報(メタデータ)はメタリーナーを用いて結合される,新しいアンサンブルベースのcnnアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-03-22T06:04:45Z)
Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文参考訳（メタデータ） (2020-07-20T19:08:50Z)
CNN-CASS: CNN for Classification of Coronary Artery Stenosis Score in MPR Images [0.0]
MPR画像における狭窄の重症度を同定する自動モデルを開発した。このモデルは3つのクラスのうちの1つを予測している: 正常の'no stenosis'、検出された'non-significant' - 1-50%の狭窄、'significant' - 50%以上の狭窄。狭窄スコア分類では, 従来の検査結果と比較して, 80%の精度で精度が向上した。
論文参考訳（メタデータ） (2020-01-23T15:20:22Z)

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。