論文の概要: Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale
Deep Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2106.14292v1
- Date: Sun, 27 Jun 2021 17:29:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-29 17:51:43.431005
- Title: Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale
Deep Convolutional Neural Network
- Title（参考訳）: 注意型多スケール深層畳み込みニューラルネットワークを用いた膝関節症重症度予測
- Authors: Rohit Kumar Jain, Prasen Kumar Sharma, Sibaji Gaj, Arijit Sur and
Palash Ghosh
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.950918531231158
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knee Osteoarthritis (OA) is a destructive joint disease identified by joint
stiffness, pain, and functional disability concerning millions of lives across
the globe. It is generally assessed by evaluating physical symptoms, medical
history, and other joint screening tests like radiographs, Magnetic Resonance
Imaging (MRI), and Computed Tomography (CT) scans. Unfortunately, the
conventional methods are very subjective, which forms a barrier in detecting
the disease progression at an early stage. This paper presents a deep
learning-based framework, namely OsteoHRNet, that automatically assesses the
Knee OA severity in terms of Kellgren and Lawrence (KL) grade classification
from X-rays. As a primary novelty, the proposed approach is built upon one of
the most recent deep models, called the High-Resolution Network (HRNet), to
capture the multi-scale features of knee X-rays. In addition, we have also
incorporated an attention mechanism to filter out the counterproductive
features and boost the performance further. Our proposed model has achieved the
best multiclass accuracy of 71.74% and MAE of 0.311 on the baseline cohort of
the OAI dataset, which is a remarkable gain over the existing best-published
works. We have also employed the Gradient-based Class Activation Maps
(Grad-CAMs) visualization to justify the proposed network learning.
- Abstract（参考訳）: 変形性膝関節症(英語: knee osteoarthritis, oa)は、関節の硬さ、痛み、機能障害が世界中の何百万人もの生命体にみられる破壊性関節疾患である。
一般的に、身体症状、医学的履歴、および放射線写真、磁気共鳴イメージング(MRI)、CTスキャンなどの関節スクリーニングテストを評価することで評価される。
残念ながら、従来の方法は非常に主観的であり、早期に疾患の進行を検出する上で障壁となる。
本稿では, x線からkellgren と lawrence (kl) を分類し, 膝oaの重症度を自動的に評価する, 深層学習に基づく枠組みである osteohrnet を提案する。
提案手法は, 膝X線のマルチスケール特徴を捉えるために, HRNet(High-Resolution Network)と呼ばれる最新のディープモデル上に構築されている。
また, 注意機構を組み込んで, 対生産的特徴をフィルタリングし, 性能をさらに向上させた。
提案手法は,OAIデータセットのベースラインコホートにおいて,71.74%の精度と0.311のMAEを達成している。
また,提案するネットワーク学習を正当化するために,勾配型クラスアクティベーションマップ(grad-cams)を用いた。
関連論文リスト
- Unsupervised Machine Learning for Osteoporosis Diagnosis Using Singh Index Clustering on Hip Radiographs [0.0]
Singh Index (SI) は単純で半定量的な骨粗しょう症の診断方法である。
本研究は, 機械学習アルゴリズムを用いて, ラジオグラフからのSI識別を自動化することを目的とする。
論文 参考訳（メタデータ） (2024-11-22T08:44:43Z) - Identity-Consistent Diffusion Network for Grading Knee Osteoarthritis Progression in Radiographic Imaging [22.005283322766832]
変形性膝関節症(KOA)は、身体障害を引き起こす関節炎の一般的な形態である。
KOAの重症度と進行度を自動的に評価するコンピュータ支援技術は、KOA治療と疾患管理に大きな効果がある。
本研究では, IC-RDN(Identity-Consistent Radiographic Diffusion Network)という新しい生成モデルを提案する。
論文 参考訳（メタデータ） (2024-07-31T07:12:06Z) - 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) - A Confident Labelling Strategy Based on Deep Learning for Improving
Early Detection of Knee OsteoArthritis [9.400820679110147]
Knee osteoArthritis (KOA) は高齢者の運動能力低下を引き起こす筋骨格障害である。
本稿では,新しいシームズネットワークを提案するとともに,KOAの早期検出のためのハイブリッド損失戦略を提案する。
論文 参考訳（メタデータ） (2023-03-23T11:57:50Z) - Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。
提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
論文 参考訳（メタデータ） (2022-12-14T06:04:18Z) - Automated Grading of Radiographic Knee Osteoarthritis Severity Combined
with Joint Space Narrowing [9.56244753914375]
膝X線による膝関節症(KOA)重症度の評価は,全膝使用における中心的基準である。
後部前部(PA)画像からKOAを自動的に評価する深層学習に基づく新しい5段階アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-03-16T19:54:47Z) - 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) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳（メタデータ） (2021-10-28T12:59:06Z) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - 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) - Robust Deep AUC Maximization: A New Surrogate Loss and Empirical Studies
on Medical Image Classification [63.44396343014749]
AUCスコアに対する新たなマージンベースサロゲート損失関数を提案する。
一般的に使用されるものよりも頑丈である。
大規模な最適化の観点からも同じ利点を享受しながら、正方損失。
私たちの知る限りでは、DAMが大規模医療画像データセットで成功するのはこれが初めてです。
論文 参考訳（メタデータ） (2020-12-06T03:41:51Z)
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。