論文の概要: Coherence Learning using Keypoint-based Pooling Network for Accurately
Assessing Radiographic Knee Osteoarthritis
- arxiv url: http://arxiv.org/abs/2112.09177v1
- Date: Thu, 16 Dec 2021 19:59:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-21 05:06:35.197317
- Title: Coherence Learning using Keypoint-based Pooling Network for Accurately
Assessing Radiographic Knee Osteoarthritis
- Title（参考訳）: keypoint-based pooling networkを用いた変形性膝関節症診断のためのコヒーレンス学習
- Authors: Kang Zheng, Yirui Wang, Chen-I Hsieh, Le Lu, Jing Xiao, Chang-Fu Kuo,
Shun Miao
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 18.47511520060851
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knee osteoarthritis (OA) is a common degenerate joint disorder that affects a
large population of elderly people worldwide. Accurate radiographic assessment
of knee OA severity plays a critical role in chronic patient management.
Current clinically-adopted knee OA grading systems are observer subjective and
suffer from inter-rater disagreements. In this work, we propose a
computer-aided diagnosis approach to provide more accurate and consistent
assessments of both composite and fine-grained OA grades simultaneously. A
novel semi-supervised learning method is presented to exploit the underlying
coherence in the composite and fine-grained OA grades by learning from
unlabeled data. By representing the grade coherence using the log-probability
of a pre-trained Gaussian Mixture Model, we formulate an incoherence loss to
incorporate unlabeled data in training. The proposed method also describes a
keypoint-based pooling network, where deep image features are pooled from the
disease-targeted keypoints (extracted along the knee joint) to provide more
aligned and pathologically informative feature representations, for accurate OA
grade assessments. The proposed method is comprehensively evaluated on the
public Osteoarthritis Initiative (OAI) data, a multi-center ten-year
observational study on 4,796 subjects. Experimental results demonstrate that
our method leads to significant improvements over previous strong whole
image-based deep classification network baselines (like ResNet-50).
- Abstract（参考訳）: 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。
膝oa重症度の正確なx線学的評価は慢性患者の管理において重要な役割を担っている。
現在の臨床応用膝oa評価システムは観察者主観的であり、格間不一致に苦しむ。
そこで本研究では, 複合評価と細粒度評価を同時に行うことで, より正確かつ一貫した評価を行うための, コンピュータ支援診断手法を提案する。
ラベルのないデータから学習することで, 合成および微粒なOAグレードのコヒーレンスを生かした新しい半教師付き学習法を提案する。
事前学習したガウス混合モデルのログ確率を用いて、等級コヒーレンスを表現することにより、未ラベルデータをトレーニングに組み込む不整合損失を定式化する。
提案手法では, より整合性が高く, 病理学的に有意な特徴表現を提供するために, 膝関節に沿って抽出された) 疾患対象のキーポイントから深い画像特徴をプールし, 正確なOA評価を行うキーポイントベースプールネットワークについても述べる。
提案手法は,4,796名の被験者を対象とした多施設10年間の観察研究であるOAI(Publicarthritis Initiative)データに基づいて総合的に評価した。
実験の結果,本手法は,従来より強固な画像ベースの深層分類ネットワークベースライン(resnet-50など)に対して大きな改善をもたらすことがわかった。
関連論文リスト
- An AI System for Continuous Knee Osteoarthritis Severity Grading Using Self-Supervised Anomaly Detection with Limited Data [0.30723404270319693]
本研究は膝OAの自動連続グルーピングのための3段階的アプローチを提案する。
正常度の中心までの距離に基づいて、健康な膝X線の堅牢な表現と疾患の重症度を学ぶ。
提案手法は,OA検出率において最大24%のマージンで既存の技術よりも優れており,疾患重症度スコアはKellgren-Lawrenceグレーティングシステムと人間専門家の成績と同等のレベルで相関している。
論文 参考訳（メタデータ） (2024-07-16T08:37:33Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - 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) - 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) - 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) - Cross-Site Severity Assessment of COVID-19 from CT Images via Domain
Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。
ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。
この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文 参考訳（メタデータ） (2021-09-08T07:56:51Z) - Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale
Deep Convolutional Neural Network [8.950918531231158]
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。
論文 参考訳（メタデータ） (2021-06-27T17:29:46Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - A Self-ensembling Framework for Semi-supervised Knee Cartilage Defects
Assessment with Dual-Consistency [40.67137486295487]
本研究は, 重症度分類と病変局所化を含む, 膝軟骨欠損評価のための新しいアプローチを提案する。
自己理解フレームワークは、学生ネットワークと、同じ構造を持つ教師ネットワークとから構成される。
実験により, 膝軟骨欠損の分類と局所化の双方において, 提案手法は自己認識性能を著しく向上させることができることが示された。
論文 参考訳（メタデータ） (2020-05-19T04:47:25Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z)
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。