論文の概要: Ridge Regression Neural Network for Pediatric Bone Age Assessment

• arxiv url: http://arxiv.org/abs/2104.07785v1
• Date: Thu, 15 Apr 2021 21:38:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-19 14:33:21.896200
• Title: Ridge Regression Neural Network for Pediatric Bone Age Assessment
• Title（参考訳）: 小児骨年齢評価のためのリッジ回帰ニューラルネットワーク
• Authors: Ibrahim Salim and A. Ben Hamza
• Abstract要約: 骨年齢の遅れや増加は小児科医にとって深刻な懸念である。 骨年齢評価のための統合型深層学習フレームワークを事例分割と隆起回帰を用いて導入する。
• 参考スコア（独自算出の注目度）: 1.1501261942096426
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Bone age is an important measure for assessing the skeletal and biological maturity of children. Delayed or increased bone age is a serious concern for pediatricians, and needs to be accurately assessed in a bid to determine whether bone maturity is occurring at a rate consistent with chronological age. In this paper, we introduce a unified deep learning framework for bone age assessment using instance segmentation and ridge regression. The proposed approach consists of two integrated stages. In the first stage, we employ an image annotation and segmentation model to annotate and segment the hand from the radiographic image, followed by background removal. In the second stage, we design a regression neural network architecture composed of a pre-trained convolutional neural network for learning salient features from the segmented pediatric hand radiographs and a ridge regression output layer for predicting the bone age. Experimental evaluation on a dataset of hand radiographs demonstrates the competitive performance of our approach in comparison with existing deep learning based methods for bone age assessment.
• Abstract（参考訳）: 骨年齢は、小児の骨格および生物学的成熟度を評価する上で重要な指標である。 骨年齢の遅れや増加は小児科医にとって深刻な懸念であり、骨の成熟度が年齢と一致しているかどうかを判断するために正確に評価する必要がある。 本稿では,標本分割とリッジ回帰を用いた骨年齢評価のための統一的深層学習フレームワークを提案する。 提案手法は2つの統合段階からなる。 第1段階では,画像アノテーションとセグメンテーションモデルを用いて,画像から手を切り離し,次に背景を除去する。 第2段階では, 分割小児ハンドラジオグラフィーから有意な特徴を学習するための事前学習畳み込みニューラルネットワークと, 骨年齢を予測するための隆起回帰出力層からなる回帰ニューラルネットワークアーキテクチャを設計する。 ハンドラジオグラフィーのデータセットを用いた実験的評価は,既存の深層学習による骨年齢評価法と比較して,我々のアプローチの競争力を示す。

関連論文リスト

• Hand bone age estimation using divide and conquer strategy and lightweight convolutional neural networks [5.371337604556311]
  小児の骨年齢の推定は、成長障害や関連疾患を診断し、成熟後の最終身長を推定する上で非常に重要である。 骨年齢を推定する従来の方法は、時間を要する左手のアトラス画像とX線画像を比較して行う。 深層ニューラルネットワークモデルを用いて骨の年齢を推定するために,提案手法を用いて骨の精度と速度を改善するために多くの研究がなされている。
  論文  参考訳（メタデータ） (2024-05-23T18:39:33Z)
• Self-supervised vision-langage alignment of deep learning representations for bone X-rays analysis [53.809054774037214]
  本稿では, 骨X線とフレンチレポートを組み合わせることで, 視覚言語による事前訓練を活用することを提案する。 骨X線表現にまつわる埋め込み空間を形成するために、フランスの報告を統合する最初の研究である。
  論文  参考訳（メタデータ） (2024-05-14T19:53:20Z)
• Pediatric Bone Age Assessment using Deep Learning Models [0.0]
  骨年齢アセスメント(BAA)は、骨格年齢と慢性年齢の年齢差を決定する標準的な方法である。 本研究では,VGG-16,InceptionV3,XceptionNet,MobileNetなどの事前学習モデルを用いて,入力データの骨年齢を評価する。
  論文  参考訳（メタデータ） (2022-07-20T19:43:38Z)
• An Unsupervised Deep-Learning Method for Bone Age Assessment [4.227079957387361]
  骨の発達の程度を反映した骨年齢は、成人の高さを予測し、子供の内分泌疾患を検出するために用いられる。 本稿では,制約付き畳み込みオートエンコーダ(CCAE)を用いて,骨年齢の分類とBA-CCAEの洗礼を行うモデルを提案する。 北米放射線学会(Radiological Society of North America)の実験では、48ヶ月間隔での分類の精度は76.15%である。
  論文  参考訳（メタデータ） (2022-06-12T02:31:36Z)
• 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)
• Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
  磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。 バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。 最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
  論文  参考訳（メタデータ） (2021-12-23T14:51:45Z)
• Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
  本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。 予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。 本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
  論文  参考訳（メタデータ） (2021-08-11T18:08:09Z)
• Adversarial Regression Learning for Bone Age Estimation [6.942003070153651]
  骨年齢推定のための逆回帰学習ネットワーク(ARLNet)を提案する。 具体的には、微調整されたインセプションV3ニューラルネットワークから骨の特徴を抽出します。 次に,学習データからテストデータへの遷移を保証するために,逆回帰損失と特徴再構成損失を提案する。
  論文  参考訳（メタデータ） (2021-03-10T15:58:26Z)
• Doctor Imitator: Hand-Radiography-based Bone Age Assessment by Imitating Scoring Methods [16.48267479601728]
  我々は,Dr. Imitator (DI) と呼ばれる手指X線写真を用いた骨年齢評価のための新しいグラフベース深層学習フレームワークを提案する。 DDIは,手形画像における解剖学的関心領域(ROI)の局所的特徴を捉え,提案したグループ・コンボリューションによるROIスコアを予測する。 さらに、患者固有のROI特徴に対する注意度とROIスコアに対する文脈注意度を計算するための、新しいデュアルグラフベースのアテンションモジュールを開発した。
  論文  参考訳（メタデータ） (2021-02-10T13:45:39Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。