論文の概要: DeepRA: Predicting Joint Damage From Radiographs Using CNN with
Attention
- arxiv url: http://arxiv.org/abs/2102.06982v1
- Date: Sat, 13 Feb 2021 18:48:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-17 17:46:47.877133
- Title: DeepRA: Predicting Joint Damage From Radiographs Using CNN with
Attention
- Title（参考訳）: ディープRA:CNNによる放射線障害の予知に留意
- Authors: Neelambuj Chaturvedi
- Abstract要約: 関節リウマチ(RA)の関節損傷は手動による手足のX線検査により評価した。
手足の関節レベルの損傷を自動的に予測できるアルゴリズムは、より良い患者ケアと研究の医師を助けることができます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Joint damage in Rheumatoid Arthritis (RA) is assessed by manually inspecting
and grading radiographs of hands and feet. This is a tedious task which
requires trained experts whose subjective assessment leads to low inter-rater
agreement. An algorithm which can automatically predict the joint level damage
in hands and feet can help optimize this process, which will eventually aid the
doctors in better patient care and research. In this paper, we propose a
two-staged approach which amalgamates object detection and convolution neural
networks with attention which can efficiently and accurately predict the
overall and joint level narrowing and erosion from patients radiographs. This
approach has been evaluated on hands and feet radiographs of patients suffering
from RA and has achieved a weighted root mean squared error (RMSE) of 1.358 and
1.404 in predicting joint level narrowing and erosion Sharp van der Heijde
(SvH) scores which is 31% and 19% improvement with respect to the baseline SvH
scores, respectively. The proposed approach achieved a weighted absolute error
of 1.456 in predicting the overall damage in hands and feet radiographs for the
patients which is a 79% improvement as compared to the baseline. Our method
also provides an inherent capability to provide explanations for model
predictions using attention weights, which is essential given the black box
nature of deep learning models. The proposed approach was developed during the
RA2 Dream Challenge hosted by Dream Challenges and secured 4th and 8th position
in predicting overall and joint level narrowing and erosion SvH scores from
radiographs.
- Abstract（参考訳）: 関節リウマチ(RA)の関節損傷は手動による手足のX線検査により評価した。
これは退屈な作業であり、主観的評価が低いレート間合意につながる訓練された専門家を必要とする。
手や足の関節レベルの損傷を自動的に予測するアルゴリズムは、このプロセスを最適化するのに役立つ。
本稿では,対象物検出と畳み込みニューラルネットワークに注意を向けた2段階のアプローチを提案する。
このアプローチはra患者の手足x線写真を用いて評価されており、svhスコアに対して31%と19%の改善率である関節レベルの狭化とエロージョンシャープファンデルハイデ(svh)スコアの予測において、重み付き根平均二乗誤差(rmse)が1.358と1.404である。
提案手法は, 重み付き絶対誤差が1.456で, 平均値と比較して79%改善した患者に対する手足x線撮影の全体的な損傷を予測した。
また,本手法は,注意重みを用いたモデル予測について,深層学習モデルのブラックボックス性を考える上で欠かせない説明を提供する。
提案されたアプローチは、ドリームチャレンジが主催するRA2ドリームチャレンジで開発され、ラジオグラフからの全体および関節レベルの狭くおよび浸食SvHスコアを予測する第4および第8の位置を確保しました。
関連論文リスト
- Deep Learning Models to Automate the Scoring of Hand Radiographs for Rheumatoid Arthritis [0.0]
シャープスコア(シャープスコア、英: Sharp score、SvdH)は、慢性関節リウマチ(RA)の臨床治験における損傷の定量化に広く用いられている放射線検査法である。
まず,手指のX線写真からSvdHのスコアとRAの重症度を推定できる自動パイプラインを開発した。
論文 参考訳（メタデータ） (2024-06-14T12:43:16Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - 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) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - Coherence Learning using Keypoint-based Pooling Network for Accurately
Assessing Radiographic Knee Osteoarthritis [18.47511520060851]
膝関節症(英語: Knee osteoarthritis, OA)は、世界中の高齢者に影響を及ぼす一般的な変性関節疾患である。
現在臨床症状のある膝OAグレーティングシステムは観察対象であり、レイター間の相違に悩まされている。
本稿では,複合度と微粒度を同時に評価するためのコンピュータ支援型診断手法を提案する。
論文 参考訳（メタデータ） (2021-12-16T19:59:13Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - 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) - Automated Detection of Patellofemoral Osteoarthritis from Knee Lateral
View Radiographs Using Deep Learning: Data from the Multicenter
Osteoarthritis Study (MOST) [3.609538870261841]
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。
論文 参考訳（メタデータ） (2021-01-12T08:37:55Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z) - 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) - 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。