論文の概要: Development of the algorithm for differentiating bone metastases and
trauma of the ribs in bone scintigraphy and demonstration of visual evidence
of the algorithm -- Using only anterior bone scan view of thorax
- arxiv url: http://arxiv.org/abs/2110.00130v1
- Date: Thu, 30 Sep 2021 23:55:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-04 14:21:15.863207
- Title: Development of the algorithm for differentiating bone metastases and
trauma of the ribs in bone scintigraphy and demonstration of visual evidence
of the algorithm -- Using only anterior bone scan view of thorax
- Title（参考訳）: 骨シンチグラフィーにおける骨転移と骨の外傷の鑑別のためのアルゴリズムの開発と、そのアルゴリズムの視覚的証拠の実証 - 胸骨前部CT画像のみを用いて-
- Authors: Shigeaki Higashiyama, Yukino Ohta, Yutaka Katayama, Atsushi Yoshida,
Joji Kawabe
- Abstract要約: 骨シンチグラフィーの胸骨前部像のみを用いて骨転移と外傷のリブの蓄積を判定するAIモデルの報告はない。
胸骨前部CT像のみを用いて骨転移・外傷と診断し,診断するアルゴリズムを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: Although there are many studies on the application of artificial
intelligence (AI) models to medical imaging, there is no report of an AI model
that determines the accumulation of ribs in bone metastases and trauma only
using the anterior image of thorax of bone scintigraphy. In recent years, a
method for visualizing diagnostic grounds called Gradient-weighted Class
Activation Mapping (Grad-CAM) has been proposed in the area of diagnostic
images using Deep Convolutional Neural Network (DCNN). As far as we have
investigated, there are no reports of visualization of the diagnostic basis in
bone scintigraphy. Our aim is to visualize the area of interest of DCNN, in
addition to developing an algorithm to classify and diagnose whether RI
accumulation on the ribs is bone metastasis or trauma using only anterior bone
scan view of thorax. Material and Methods: For this retrospective study, we
used 838 patients who underwent bone scintigraphy to search for bone metastases
at our institution. A frontal chest image of bone scintigraphy was used to
create the algorithm. We used 437 cases with bone metastases on the ribs and
401 cases with abnormal RI accumulation due to trauma. Result: AI model was
able to detect bone metastasis lesion with a sensitivity of 90.00% and accuracy
of 86.5%. And it was possible to visualize the part that the AI model focused
on with Grad-CAM.
- Abstract（参考訳）: 背景: 医用画像への人工知能(AI)モデルの適用について多くの研究がなされているが, 骨シンチグラフィの胸骨前部像のみを用いて骨転移と外傷のリブの蓄積を判断するAIモデルは報告されていない。
近年,Deep Convolutional Neural Network (DCNN) を用いた診断画像領域において,Grad-CAM (Grad-CAM) と呼ばれる診断基盤の可視化手法が提案されている。
骨シンチグラフィーでは診断基準の可視化は報告されていない。
本研究の目的は,胸部における ri の蓄積が骨転移か外傷かの分類・診断を行うアルゴリズムの開発に加えて,dcnn の関心領域を可視化することである。
材料と方法: 本研究では, 骨シンチグラフィを施行した838例を用いて骨転移の検索を行った。
骨シンチグラフィーの胸部前部像を用いてアルゴリズムを作成した。
胸骨に骨転移を生じた437例,外傷によるri集積異常401例を施行した。
結果: aiモデルは90.00%の感度と86.5%の精度で骨転移病変を検出できた。
また、AIモデルがGrad-CAMで重視している部分を視覚化することもできた。
関連論文リスト
- AttCDCNet: Attention-enhanced Chest Disease Classification using X-Ray Images [0.0]
X線画像診断のための新しい検出モデルtextbfAttCDCNetを提案する。
提案されたモデルは、新型コロナウイルスのラジオグラフィーデータセットでそれぞれ94.94%、95.14%、94.53%の精度、精度、リコールを達成した。
論文 参考訳（メタデータ） (2024-10-20T16:08:20Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - 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) - Context-Aware Transformers For Spinal Cancer Detection and Radiological
Grading [70.04389979779195]
本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。
MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。
画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
論文 参考訳（メタデータ） (2022-06-27T10:31:03Z) - 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) - SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。
SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
論文 参考訳（メタデータ） (2021-11-26T13:47:34Z) - 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) - Automated femur segmentation from computed tomography images using a
deep neural network [0.0]
骨粗しょう症(英: osteoporosis)は、骨の再生が古い骨の喪失に追いつかず、骨折のリスクが高まるという一般的な骨疾患である。
我々は, 深部畳み込みニューラルネットワークを用いて, CTスキャンから大腿骨の正確な, 自動化され, 堅牢で, 高速なセグメンテーションを創出する, 大腿骨近位部セグメンテーションのための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2021-01-27T23:37:56Z) - A Deep Learning Study on Osteosarcoma Detection from Histological Images [6.341765152919201]
最も一般的な悪性骨腫瘍は骨肉腫である。
CNNは、外科医の作業量を著しく減らし、患者の状態の予後を良くする。
CNNは、より信頼できるパフォーマンスを達成するために、大量のデータをトレーニングする必要があります。
論文 参考訳（メタデータ） (2020-11-02T18:16:17Z) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z)
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。