論文の概要: Opportunistic Screening of Osteoporosis Using Plain Film Chest X-ray
- arxiv url: http://arxiv.org/abs/2104.01734v1
- Date: Mon, 5 Apr 2021 01:25:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-07 00:35:13.812437
- Title: Opportunistic Screening of Osteoporosis Using Plain Film Chest X-ray
- Title（参考訳）: プレーンフィルム胸部X線を用いた骨粗しょう症の経時的スクリーニング
- Authors: Fakai Wang, Kang Zheng, Yirui Wang, Xiaoyun Zhou, Le Lu, Jing Xiao,
Min Wu, Chang-Fu Kuo, Shun Miao
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 23.41545684473636
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Osteoporosis is a common chronic metabolic bone disease that is often
under-diagnosed and under-treated due to the limited access to bone mineral
density (BMD) examinations, Dual-energy X-ray Absorptiometry (DXA). In this
paper, we propose a method to predict BMD from Chest X-ray (CXR), one of the
most common, accessible, and low-cost medical image examinations. Our method
first automatically detects Regions of Interest (ROIs) of local and global bone
structures from the CXR. Then a multi-ROI model is developed to exploit both
local and global information in the chest X-ray image for accurate BMD
estimation. Our method is evaluated on 329 CXR cases with ground truth BMD
measured by DXA. The model predicted BMD has a strong correlation with the gold
standard DXA BMD (Pearson correlation coefficient 0.840). When applied for
osteoporosis screening, it achieves a high classification performance (AUC
0.936). As the first effort in the field to use CXR scans to predict the spine
BMD, the proposed algorithm holds strong potential in enabling early
osteoporosis screening through routine chest X-rays and contributing to the
enhancement of public health.
- Abstract（参考訳）: 骨粗しょう症は骨密度 (BMD) 検査やDXA (Dual-Eergy X-ray Absorptiometry) による診断や治療が不十分な慢性骨疾患である。
本稿では,Chest X-ray(CXR)からBMDを予測する手法を提案する。
本手法はまず,CXRから局所的および大域的骨構造の関心領域(ROI)を自動的に検出する。
次に,胸部X線画像の局所的情報と大域的情報の両方を利用するマルチROIモデルを構築し,正確なBMD推定を行う。
本手法はDXAで測定した地上真理BMDの329例を対象に検討した。
予測されたBMDは金標準のDXA BMD(ピアソン相関係数0.840)と強い相関を持つ。
骨粗しょう症スクリーニングに応用すると、高い分類性能(AUC 0.936)が得られる。
脊髄BMDの予測にCXRスキャンを用いた最初の試みとして, 提案アルゴリズムは胸部X線による早期骨粗しょう症のスクリーニングを可能にし, 公衆衛生の向上に寄与する可能性が強い。
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) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - Opportunistic hip fracture risk prediction in Men from X-ray: Findings
from the Osteoporosis in Men (MrOS) Study [0.7340017786387765]
骨粗しょう症は骨折のリスクを増大させる一般的な疾患である。
特に高齢者の股関節骨折は、死亡率の上昇、生活の質の低下、死亡率の上昇につながる。
骨折前は無症候性疾患であったため、骨粗しょう症は診断されず、治療を受けていないことが多い。
論文 参考訳（メタデータ） (2022-07-22T09:35:48Z) - 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) - 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) - Contrastive Attention for Automatic Chest X-ray Report Generation [124.60087367316531]
ほとんどの場合、正常領域が胸部X線像全体を支配し、これらの正常領域の対応する記述が最終報告を支配している。
本稿では,現在の入力画像と通常の画像を比較してコントラスト情報を抽出するContrastive Attention(CA)モデルを提案する。
2つの公開データセットで最先端の結果を得る。
論文 参考訳（メタデータ） (2021-06-13T11:20:31Z) - Semi-Supervised Learning for Bone Mineral Density Estimation in Hip
X-ray Images [19.17169803995019]
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。
論文 参考訳（メタデータ） (2021-03-24T20:59:54Z) - A Convolutional Approach to Vertebrae Detection and Labelling in Whole
Spine MRI [70.04389979779195]
脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。
これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。
本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
論文 参考訳（メタデータ） (2020-07-06T09:37:12Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z)
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。