論文の概要: Lumbar Bone Mineral Density Estimation from Chest X-ray Images:
Anatomy-aware Attentive Multi-ROI Modeling
- arxiv url: http://arxiv.org/abs/2201.01838v1
- Date: Wed, 5 Jan 2022 22:03:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-07 21:51:11.271036
- Title: Lumbar Bone Mineral Density Estimation from Chest X-ray Images:
Anatomy-aware Attentive Multi-ROI Modeling
- Title（参考訳）: 胸部X線画像を用いた腰椎骨密度推定:解剖学的注意多量ROIモデリング
- Authors: Fakai Wang, Kang Zheng, Le Lu, Jing Xiao, Min Wu, Chang-Fu Kuo and
Shun Miao
- Abstract要約: 骨粗しょう症は慢性代謝性骨疾患であり、骨密度検査へのアクセスが制限されているため、診断が不十分で治療が不十分であることが多い。
本稿では,Chest X-ray(CXR)からBMDを予測する手法を提案する。
- 参考スコア（独自算出の注目度）: 23.014342480592873
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Osteoporosis is a common chronic metabolic bone disease that is often
under-diagnosed and under-treated due to the limited access to bone mineral
density (BMD) examinations, e.g. via Dual-energy X-ray Absorptiometry (DXA). In
this paper, we propose a method to predict BMD from Chest X-ray (CXR), one of
the most commonly accessible and low-cost medical imaging examinations. Our
method first automatically detects Regions of Interest (ROIs) of local and
global bone structures from the CXR. Then a multi-ROI deep model with
transformer encoder is developed to exploit both local and global information
in the chest X-ray image for accurate BMD estimation. Our method is evaluated
on 13719 CXR patient cases with their ground truth BMD scores measured by
gold-standard DXA. The model predicted BMD has a strong correlation with the
ground truth (Pearson correlation coefficient 0.889 on lumbar 1). When applied
for osteoporosis screening, it achieves a high classification performance (AUC
0.963 on lumbar 1). As the first effort in the field using CXR scans to predict
the BMD, the proposed algorithm holds strong potential in early osteoporosis
screening and public health promotion.
- Abstract（参考訳）: 骨粗しょう症(英: osteoporosis)は、骨密度(英語版)(BMD)検査へのアクセスが制限されているため、しばしば診断され治療されていない慢性骨疾患である。
本稿では,Chest X-ray(CXR)からBMDを予測する手法を提案する。
本手法はまず,CXRから局所的および大域的骨構造の関心領域(ROI)を自動的に検出する。
次に, 変圧器エンコーダを用いたマルチROIディープモデルを開発し, 胸部X線画像の局所的情報と大域的情報の両方を利用して正確なBMD推定を行う。
本法はCXR患者13719例を対象に,金標準DXAによるBMDスコアを測定した。
予測モデルでは,BMDは基底真理と強い相関関係を持つ(Pearson correlation coefficient 0.889 on lumbar 1)。
オステオポローシススクリーニングに応用すると、高い分類性能(腰椎1のauc 0.963)が得られる。
CXRスキャンを用いてBMDを予測する最初の試みとして,提案アルゴリズムは早期骨粗しょう症スクリーニングや公衆衛生の促進に強い可能性を秘めている。
関連論文リスト
- Bone mineral density estimation from a plain X-ray image by learning
decomposition into projections of bone-segmented computed tomography [4.872603360039571]
骨粗しょう症(英: osteoporosis)は、脆弱な骨の骨折を引き起こす骨疾患であり、日常生活活動の低下につながる。
骨の健康、低コスト、低用量、ユビキタスに利用可能な診断方法を頻繁に監視するためには、非常に期待されている。
本研究の目的は, 骨密度を原X線画像から推定し, 骨密度を計測することである。
論文 参考訳（メタデータ） (2023-07-21T11:49:30Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - Opportunistic hip fracture risk prediction in Men from X-ray: Findings
from the Osteoporosis in Men (MrOS) Study [0.7340017786387765]
骨粗しょう症は骨折のリスクを増大させる一般的な疾患である。
特に高齢者の股関節骨折は、死亡率の上昇、生活の質の低下、死亡率の上昇につながる。
骨折前は無症候性疾患であったため、骨粗しょう症は診断されず、治療を受けていないことが多い。
論文 参考訳（メタデータ） (2022-07-22T09:35:48Z) - 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) - Fast and Robust Femur Segmentation from Computed Tomography Images for
Patient-Specific Hip Fracture Risk Screening [48.46841573872642]
我々は,CTから大腿骨近位部を完全自動化し,正確かつ高速に分割するディープニューラルネットワークを提案する。
本手法は, 股関節骨折リスクスクリーニングに適応し, 当科において, 股関節脱臼患者をスクリーニングするための臨床的選択肢に一歩近づいた。
論文 参考訳（メタデータ） (2022-04-20T16:16:16Z) - 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) - Opportunistic Screening of Osteoporosis Using Plain Film Chest X-ray [23.41545684473636]
骨粗しょう症は、骨密度検査へのアクセスが限られているため、しばしば診断され、治療されていない慢性代謝骨疾患です。
本論文では、最も一般的で、アクセス可能で、低コストの医療画像検査の1つである胸部X線(CXR)からBMDを予測する方法を提案する。
論文 参考訳（メタデータ） (2021-04-05T01:25:23Z) - Semi-Supervised Learning for Bone Mineral Density Estimation in Hip
X-ray Images [19.17169803995019]
骨密度は骨粗しょう症の臨床的に重要な指標です。
DEXAの機械および検査の限られたアクセス性のために、骨粗しょう症は頻繁に診断され、未処理です。
論文 参考訳（メタデータ） (2021-03-24T20:59:54Z) - 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) - A Convolutional Approach to Vertebrae Detection and Labelling in Whole
Spine MRI [70.04389979779195]
脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。
これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。
本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
論文 参考訳（メタデータ） (2020-07-06T09:37:12Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z)
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。