論文の概要: Semi-Supervised Learning for Bone Mineral Density Estimation in Hip X-ray Images

• arxiv url: http://arxiv.org/abs/2103.13482v1
• Date: Wed, 24 Mar 2021 20:59:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-27 02:22:56.099735
• Title: Semi-Supervised Learning for Bone Mineral Density Estimation in Hip X-ray Images
• Title（参考訳）: ヒップX線画像における骨密度推定のための半教師付き学習
• Authors: Kang Zheng, Yirui Wang, Xiaoyun Zhou, Fakai Wang, Le Lu, Chihung Lin, Lingyun Huang, Guotong Xie, Jing Xiao, Chang-Fu Kuo, Shun Miao
• Abstract要約: 骨密度は骨粗しょう症の臨床的に重要な指標です。 DEXAの機械および検査の限られたアクセス性のために、骨粗しょう症は頻繁に診断され、未処理です。
• 参考スコア（独自算出の注目度）: 19.17169803995019
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bone mineral density (BMD) is a clinically critical indicator of osteoporosis, usually measured by dual-energy X-ray absorptiometry (DEXA). Due to the limited accessibility of DEXA machines and examinations, osteoporosis is often under-diagnosed and under-treated, leading to increased fragility fracture risks. Thus it is highly desirable to obtain BMDs with alternative cost-effective and more accessible medical imaging examinations such as X-ray plain films. In this work, we formulate the BMD estimation from plain hip X-ray images as a regression problem. Specifically, we propose a new semi-supervised self-training algorithm to train the BMD regression model using images coupled with DEXA measured BMDs and unlabeled images with pseudo BMDs. Pseudo BMDs are generated and refined iteratively for unlabeled images during self-training. We also present a novel adaptive triplet loss to improve the model's regression accuracy. On an in-house dataset of 1,090 images (819 unique patients), our BMD estimation method achieves a high Pearson correlation coefficient of 0.8805 to ground-truth BMDs. It offers good feasibility to use the more accessible and cheaper X-ray imaging for opportunistic osteoporosis screening.
• Abstract（参考訳）: 骨密度(BMD)は骨粗しょう症の臨床的に重要な指標であり、通常は二重エネルギーX線吸収率(DEXA)によって測定される。 DEXAマシンのアクセシビリティの制限と検査のため、骨粗しょう症はしばしば診断が不十分で治療が不十分であり、不安定性骨折のリスクが増大する。 したがって,X線プレーンフィルムなどの医用画像検査に代えて,コスト効率が高く,よりアクセスしやすいBMDを得るのが望ましい。 そこで本研究では, 股関節X線像からのBMD推定を回帰問題として定式化する。 具体的には、DEXA測定されたBMDとラベルなし画像と擬似BMDとを組み合わせた画像を用いて、BMD回帰モデルを訓練する半教師付き自己学習アルゴリズムを提案する。 自己学習中にラベルのない画像に対して擬似BMDを生成・洗練する。 また,モデルの回帰精度を向上させるために,新しい適応三重項損失を提案する。 1,090画像(819名)の社内データセットにおいて,bmd推定法は,0.8805対地面bmdと高いピアソン相関係数を達成する。 よりアクセシブルで安価なX線画像を用いて骨粗しょう症のスクリーニングを行うことが可能である。

関連論文リスト

• Bone mineral density estimation from a plain X-ray image by learning decomposition into projections of bone-segmented computed tomography [4.872603360039571]
  骨粗しょう症(英: osteoporosis)は、脆弱な骨の骨折を引き起こす骨疾患であり、日常生活活動の低下につながる。 骨の健康、低コスト、低用量、ユビキタスに利用可能な診断方法を頻繁に監視するためには、非常に期待されている。 本研究の目的は, 骨密度を原X線画像から推定し, 骨密度を計測することである。
  論文  参考訳（メタデータ） (2023-07-21T11:49:30Z)
• MSKdeX: Musculoskeletal (MSK) decomposition from an X-ray image for fine-grained estimation of lean muscle mass and muscle volume [5.1294076116231455]
  サルコペン症や骨粗しょう症などの筋骨格疾患は、加齢に伴う健康にとって大きな障害である。 そこで本研究では,原X線像,低コスト,低放射能,高アクセス性画像モダリティから微細な筋肉特性を推定する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-31T14:56:18Z)
• Advancing Radiograph Representation Learning with Masked Record Modeling [52.04899592688968]
  我々は2つの相補的な目的として自己と報告の補完を定式化し、マスク付きレコードモデリング(MRM)に基づく統一的な枠組みを提案する。 MRMは、知識強化されたセマンティック表現を学ぶためのマルチタスクスキームに従って、マスクされた画像パッチとマスクされたレポートトークンを再構築する。 具体的には、MRMはラベル効率の良い微調整において優れた性能を提供する。
  論文  参考訳（メタデータ） (2023-01-30T18:33:32Z)
• BMD-GAN: Bone mineral density estimation using x-ray image decomposition into projections of bone-segmented quantitative computed tomography using hierarchical learning [1.8762753243053634]
  そこで本研究では,QCTを用いて生成的対位ネットワーク(GAN)を訓練し,X線画像を骨分節QCTの投影に分解する手法を提案する。 変形性膝関節症患者200名を対象に, 予測真理と地上真理のピアソン相関係数が0.888であった。
  論文  参考訳（メタデータ） (2022-07-07T10:33:12Z)
• 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)
• Fast and Robust Femur Segmentation from Computed Tomography Images for Patient-Specific Hip Fracture Risk Screening [48.46841573872642]
  我々は,CTから大腿骨近位部を完全自動化し,正確かつ高速に分割するディープニューラルネットワークを提案する。 本手法は, 股関節骨折リスクスクリーニングに適応し, 当科において, 股関節脱臼患者をスクリーニングするための臨床的選択肢に一歩近づいた。
  論文  参考訳（メタデータ） (2022-04-20T16:16:16Z)
• 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)
• Lumbar Bone Mineral Density Estimation from Chest X-ray Images: Anatomy-aware Attentive Multi-ROI Modeling [23.014342480592873]
  骨粗しょう症は慢性代謝性骨疾患であり、骨密度検査へのアクセスが制限されているため、診断が不十分で治療が不十分であることが多い。 本稿では,Chest X-ray(CXR)からBMDを予測する手法を提案する。
  論文  参考訳（メタデータ） (2022-01-05T22:03:32Z)
• Opportunistic Screening of Osteoporosis Using Plain Film Chest X-ray [23.41545684473636]
  骨粗しょう症は、骨密度検査へのアクセスが限られているため、しばしば診断され、治療されていない慢性代謝骨疾患です。 本論文では、最も一般的で、アクセス可能で、低コストの医療画像検査の1つである胸部X線(CXR)からBMDを予測する方法を提案する。
  論文  参考訳（メタデータ） (2021-04-05T01:25:23Z)
• Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
  我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。 低解像を補うための強力な深層学習に基づく画像強化手法を検討する。 復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
  論文  参考訳（メタデータ） (2021-03-04T10:45:01Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)

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。