論文の概要: Estimation of Acetabular Version from Anteroposterior Pelvic Radiograph Employing Deep Learning

• arxiv url: http://arxiv.org/abs/2111.07369v1
• Date: Sun, 14 Nov 2021 15:34:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-17 08:19:32.605174
• Title: Estimation of Acetabular Version from Anteroposterior Pelvic Radiograph Employing Deep Learning
• Title（参考訳）: 深層学習を用いた骨盤x線写真からの臼蓋骨片推定
• Authors: Ata Jodeiri, Hadi Seyedarabi, Fatemeh Shahbazi, Seyed Mohammad Mahdi Hashemi, Seyyedhossein Shafiei
• Abstract要約: 総股関節症に必須の因子であるAcetabular versionはCTスキャンで金標準として測定される。 本研究では, 骨盤X線に対する深層学習法を応用し, 解剖学的検討を行った。
• 参考スコア（独自算出の注目度）: 2.624902795082451
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background and Objective: The Acetabular version, an essential factor in total hip arthroplasty, is measured by CT scan as the gold standard. The dose of radiation and expensiveness of CT make anterior-posterior pelvic radiograph an appropriate alternative procedure. In this study, we applied a deep learning approach on anteroposterior pelvic X-rays to measure anatomical version, eliminating the necessity of using Computed tomography scan. Methods: The right and left acetabular version angles of the hips of 300 patients are computed using their CT images. The proposed deep learning model, Attention on Pretrained-VGG16 for Bone Age, is applied to the AP images of the included population. The age and gender of these people are added as two other inputs to the last fully connected layer of attention mechanism. As the output, the angles of both hips are predicted. Results: The angles of hips computed on CT increase as people get older with the mean values of 16.54 and 16.11 (right and left angles) for men and 20.61 and 19.55 for women in our dataset. The predicted errors in the estimation of right and left angles using the proposed method of deep learning are in the accurate region of error (<=3 degrees) which shows the ability of the proposed method in measuring anatomical version based on AP images. Conclusion: The suggested algorithm, applying pre-trained vgg16 on the AP images of the pelvis of patients followed by an attention model considering age and gender of patients, can assess version accurately using only AP radiographs while obviating the need for CT scan. The applied technique of estimation of anatomical acetabular version based on AP pelvic images using DL approaches, to the best of authors' knowledge, has not been published yet.
• Abstract（参考訳）: 背景と目的: 人工股関節全置換術において重要な因子であるAcetabular はCTスキャンで金標準として測定される。 放射線線量とCTの高価さは, 骨盤前部X線撮影を適切な代替方法とする。 本研究では,解剖学的バージョンを測定するために骨盤x線を用いた深層学習法を適用し,ct検査の必要をなくした。 方法:300例の股関節の左右臼蓋のバージョン角をCT画像を用いて算出した。 骨年齢に対する事前訓練vgg16に着目した深層学習モデルを提案する。 これらの人々の年齢と性別は他の2つの入力として、最後の完全に接続された注意層に追加される。 出力として、両股関節の角度が予測される。 結果:ctで算出したヒップの角度は,男性で16.54および16.11(左右の角度),データセットで女性で20.61および19.55と,年齢とともに増加する。 深層学習法を用いて左右の角度を推定する際の予測誤差は, 精度の高い誤差領域(<=3°) であり, 提案手法がAP画像に基づいて解剖学的バージョンを測定する能力を示す。 結論: 提案アルゴリズムは, 患者骨盤のAP画像にvgg16を適用し, 年齢, 性別を考慮した注意モデルを用いて, CTスキャンの必要性を回避しつつ, APラジオグラフのみを用いてバージョンを正確に評価することができる。 ap pelvic像に基づく解剖学的寛骨臼バージョン推定法について,dlアプローチを用いて著者の知識を最大限に活用する手法は,まだ発表されていない。

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)
• Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
  コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。 また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
  論文  参考訳（メタデータ） (2024-07-02T19:30:25Z)
• Calculation of Femur Caput Collum Diaphyseal angle for X-Rays images using Semantic Segmentation [2.3757237109481557]
  本稿では,X線画像から大腿骨頭・結腸・下垂角を推定するための深層学習手法について検討する。 本稿では,X線画像から大腿骨CCD角を確実に推定できるディープラーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-25T23:42:09Z)
• DeepVox and SAVE-CT: a contrast- and dose-independent 3D deep learning approach for thoracic aorta segmentation and aneurysm prediction using computed tomography scans [2.3135717943756307]
  胸部大動脈瘤(英: Thoracic aortic aneurysm,TAA)は、大動脈の進行拡大による解離や破裂を引き起こす致命的な疾患である。 その他の指標は、このスクリーニングに役立つが、コントラスト増強や低用量プロトコールを伴わずに取得すれば、臨床評価が困難になる可能性がある。 本研究は, 対照群とTAA患者を含む587種類のCTスキャンを, コントラスト増強の有無にかかわらず低線量および標準線量プロトコールで取得した。 新たなセグメンテーションモデルであるDeepVoxは,開発およびテストセットに対してそれぞれ0.932と0.897のダイススコア係数を示した。
  論文  参考訳（メタデータ） (2023-10-23T19:48:58Z)
• B-Spine: Learning B-Spline Curve Representation for Robust and Interpretable Spinal Curvature Estimation [50.208310028625284]
  脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。 低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
  論文  参考訳（メタデータ） (2023-10-14T15:34:57Z)
• 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)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• 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 [0.0]
  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。
  論文  参考訳（メタデータ） (2021-09-30T23:55:31Z)
• Automated Detection of Patellofemoral Osteoarthritis from Knee Lateral View Radiographs Using Deep Learning: Data from the Multicenter Osteoarthritis Study (MOST) [3.609538870261841]
  本論文では,PFOA(Automatic Patello大腿骨関節症)検出法を提案する。 膝側方X線写真から乳頭領域を訓練した深層学習モデルでは、患者特性や臨床評価に基づくモデルよりもPFOAの予測が優れています。
  論文  参考訳（メタデータ） (2021-01-12T08:37:55Z)
• 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。