論文の概要: An End-to-end Entangled Segmentation and Classification Convolutional Neural Network for Periodontitis Stage Grading from Periapical Radiographic Images

• arxiv url: http://arxiv.org/abs/2109.13120v1
• Date: Mon, 27 Sep 2021 15:28:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-28 20:21:50.046419
• Title: An End-to-end Entangled Segmentation and Classification Convolutional Neural Network for Periodontitis Stage Grading from Periapical Radiographic Images
• Title（参考訳）: 根尖部X線画像からの歯周炎ステージグレーディングのための終端エンタングルドセグメンテーションと分類畳み込みニューラルネットワーク
• Authors: Tanjida Kabir, Chun-Teh Lee, Jiman Nelson, Sally Sheng, Hsiu-Wan Meng, Luyao Chen, Muhammad F Walji, Xioaqian Jiang, and Shayan Shams
• Abstract要約: 根尖部X線から歯周炎を診断するためのエンド・ツー・エンド深層学習ネットワークHYNETSを開発した。 HyNETSはセグメンテーションネットワークと分類ネットワークを組み合わせて、エンドツーエンドの解釈可能なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 0.013002050979054347
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Periodontitis is a biofilm-related chronic inflammatory disease characterized by gingivitis and bone loss in the teeth area. Approximately 61 million adults over 30 suffer from periodontitis (42.2%), with 7.8% having severe periodontitis in the United States. The measurement of radiographic bone loss (RBL) is necessary to make a correct periodontal diagnosis, especially if the comprehensive and longitudinal periodontal mapping is unavailable. However, doctors can interpret X-rays differently depending on their experience and knowledge. Computerized diagnosis support for doctors sheds light on making the diagnosis with high accuracy and consistency and drawing up an appropriate treatment plan for preventing or controlling periodontitis. We developed an end-to-end deep learning network HYNETS (Hybrid NETwork for pEriodoNTiTiS STagES from radiograpH) by integrating segmentation and classification tasks for grading periodontitis from periapical radiographic images. HYNETS leverages a multi-task learning strategy by combining a set of segmentation networks and a classification network to provide an end-to-end interpretable solution and highly accurate and consistent results. HYNETS achieved the average dice coefficient of 0.96 and 0.94 for the bone area and tooth segmentation and the average AUC of 0.97 for periodontitis stage assignment. Additionally, conventional image processing techniques provide RBL measurements and build transparency and trust in the model's prediction. HYNETS will potentially transform clinical diagnosis from a manual time-consuming, and error-prone task to an efficient and automated periodontitis stage assignment based on periapical radiographic images.
• Abstract（参考訳）: 歯周炎は歯肉炎と歯周領域の骨喪失を特徴とするバイオフィルム関連慢性炎症性疾患である。 30歳以上の成人約6100万人(42.2%)が歯周炎を患っており、7.8%が重度の歯周炎を患っている。 放射線学的骨量(RBL)の測定は,特に包括的および縦断的な歯周マッピングが不可能な場合に,適切な歯周診断を行うために必要である。 しかし、医師は経験や知識によってX線を解釈することができる。 医師のコンピュータ診断支援は、高精度で一貫性のある診断を行うことに光を当て、歯周炎を予防または制御するための適切な治療計画を策定する。 我々は,根尖部X線画像から歯周炎を診断するためのセグメンテーションと分類タスクを統合することで,エンドツーエンドのディープラーニングネットワークHYNETS(Hybrid NETwork for pEriodoNTiTiS STagES from radiograpH)を開発した。 HYNETSは、セグメンテーションネットワークと分類ネットワークを組み合わせたマルチタスク学習戦略を利用して、エンドツーエンドの解釈可能なソリューションと高精度で一貫性のある結果を提供する。 HYNETS は骨面積と歯の分節の平均ディス係数 0.96 と 0.94 を達成し、歯周炎ステージ割り当ての平均 AUC 0.97 を達成した。 さらに、従来の画像処理技術はRBL測定を提供し、モデルの予測に対する透明性と信頼を構築する。 hynetsは臨床診断を手作業による時間を要する作業から、根尖部x線画像に基づく効率的かつ自動化された歯周炎ステージ割り当てへと変換する可能性がある。

関連論文リスト

• Semi-supervised classification of dental conditions in panoramic radiographs using large language model and instance segmentation: A real-world dataset evaluation [6.041146512190833]
  13種類の歯科疾患をパノラマX線写真で分類するための半教師付き学習フレームワークが提案されている。 このソリューションは、ジュニアスペシャリストに匹敵する精度のレベルを示した。
  論文  参考訳（メタデータ） (2024-06-25T19:56:12Z)
• Teeth Localization and Lesion Segmentation in CBCT Images using SpatialConfiguration-Net and U-Net [0.4915744683251149]
  歯の局所化と根尖部病変の分節化は臨床診断と治療計画にとって重要な課題である。 本研究では,2つの畳み込みニューラルネットワークを用いた深層学習手法を提案する。 この方法は、歯の局所化に対する97.3%の精度と、それぞれ0.97および0.88の有望な感度と特異性を達成し、その後の病変検出を行う。
  論文  参考訳（メタデータ） (2023-12-19T14:23:47Z)
• 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)
• Self-Supervised Learning with Masked Image Modeling for Teeth Numbering, Detection of Dental Restorations, and Instance Segmentation in Dental Panoramic Radiographs [8.397847537464534]
  本研究の目的は,SimMIM や UM-MAE といった近年の自己教師型学習手法を応用して,限られた数の歯科用ラジオグラフィーのモデル効率と理解を高めることである。 我々の知る限りでは、歯科用パノラマX線写真にスイニングトランスフォーマーに自己教師あり学習法を適用した最初の研究である。
  論文  参考訳（メタデータ） (2022-10-20T16:50:07Z)
• Data-Efficient Vision Transformers for Multi-Label Disease Classification on Chest Radiographs [55.78588835407174]
  視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。 ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。 以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T09:07:45Z)
• Calibrate the inter-observer segmentation uncertainty via diagnosis-first principle [45.29954184893812]
  本稿では, サーバ間セグメンテーションの不確実性を校正するための基準として, 診断第一原則を提案する。 さらに, 原画像からのTake and Give Modelto segment DF-GTを提案する。 実験の結果, 提案したDiFFは, 対応する疾患の診断を著しく促進できることがわかった。
  論文  参考訳（メタデータ） (2022-08-05T07:12:24Z)
• 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)
• Use of the Deep Learning Approach to Measure Alveolar Bone Level [4.92694463351569]
  目的は、Deep Convolutional Neural Network(ディープ・コンボリューショナル・ニューラル・ニューラルネットワーク)を使用して、歯槽骨のレベルを測定し、歯周診断を支援することであった。 3つのセグメンテーションネットワーク(骨面積, 歯, セメントエナメル接合部)と画像解析を統合することで, ディープラーニング(DL)モデルを開発した。
  論文  参考訳（メタデータ） (2021-09-24T17:48:27Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)
• An Adaptive Enhancement Based Hybrid CNN Model for Digital Dental X-ray Positions Classification [1.0672152844970149]
  適応ヒストグラム等化と畳み込みニューラルネットワーク(CNN)に基づく新しい解法を提案する。 テストセットの精度と特異性は90%を超え、AUCは0.97に達した。
  論文  参考訳（メタデータ） (2020-05-01T13:55:44Z)

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。