論文の概要: A statistical shape model for radiation-free assessment and
classification of craniosynostosis
- arxiv url: http://arxiv.org/abs/2201.03288v1
- Date: Mon, 10 Jan 2022 11:10:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-11 17:37:10.016089
- Title: A statistical shape model for radiation-free assessment and
classification of craniosynostosis
- Title（参考訳）: craniosynostosisの無放射線評価と分類のための統計的形状モデル
- Authors: Matthias Schaufelberger, Reinald Peter K\"uhle, Andreas Wachter,
Frederic Weichel, Niclas Hagen, Friedemann Ringwald, Urs Eisenmann, J\"urgen
Hoffmann, Michael Engel, Christian Freudlsperger, Werner Nahm
- Abstract要約: クラニオシノスタシス患者の3次元頭部モデルと,1.5歳未満の幼児に焦点を当てた最初のモデルを構築した。
光グラム法表面スキャンにおけるクラニオシノスタシスの独自の形状モデルに基づく分類手法を提案する。
- 参考スコア（独自算出の注目度）: 4.093337845961056
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The assessment of craniofacial deformities requires patient data which is
sparsely available. Statistical shape models provide realistic and synthetic
data enabling comparisons of existing methods on a common dataset.
We build the first publicly available statistical 3D head model of
craniosynostosis patients and the first model focusing on infants younger than
1.5 years. For correspondence establishment, we test and evaluate four template
morphing approaches. We further present an original, shape-model-based
classification approach for craniosynostosis on photogrammetric surface scans.
To the best of our knowledge, our study uses the largest dataset of
craniosynostosis patients in a classification study for craniosynostosis and
statistical shape modeling to date.
We demonstrate that our shape model performs similar to other statistical
shape models of the human head. Craniosynostosis-specific pathologies are
represented in the first eigenmodes of the model. Regarding the automatic
classification of craniosynostis, our classification approach yields an
accuracy of 97.3%, comparable to other state-of-the-art methods using both
computed tomography scans and stereophotogrammetry.
Our publicly available, craniosynostosis-specific statistical shape model
enables the assessment of craniosynostosis on realistic and synthetic data. We
further present a state-of-the-art shape-model-based classification approach
for a radiation-free diagnosis of craniosynostosis.
- Abstract（参考訳）: 顎顔面変形の評価には患者データが必要である。
統計的形状モデルは、共通のデータセット上の既存の方法の比較を可能にする、現実的な合成データを提供する。
クラニオシノスタシス患者の3次元頭部モデルと,1.5歳未満の幼児に焦点を当てた最初のモデルを構築した。
対応確立のために,テンプレートモーフィングの4つのアプローチをテスト,評価する。
さらに, クラニオシノスタシスに対する形状モデルに基づく独自の分類手法を光グラム法表面スキャンで提案する。
我々の知る限りでは,本研究は,クラニオシノスタシスの分類研究と,現在までの統計的形状モデリングにおいて,最大のクラニオシノスタシス患者データセットを用いている。
我々の形状モデルが人間の頭部の他の統計的形状モデルと類似していることを示す。
craniosynostosis-specific pathologiesはモデルの最初の固有モードとして表される。
クラニオシノシスの自動分類では,この分類法は97.3%の精度で,CTスキャンとステレオフォトグラム法の両方を用いて,他の最先端の方法に匹敵する精度を示した。
クラニオシノスタシス特異的な統計形状モデルにより,現実的および合成的データに基づくクラニオシノスタシスの評価が可能となった。
クラニオシノスタシスの放射線のない診断のための,最先端の形状モデルに基づく分類手法を提案する。
関連論文リスト
- Incorporating Improved Sinusoidal Threshold-based Semi-supervised Method
and Diffusion Models for Osteoporosis Diagnosis [0.43512163406552007]
骨粗しょう症は、患者の生活の質に深刻な影響を及ぼす一般的な骨格疾患である。
従来の骨粗しょう症診断法は高価で複雑である。
本論文は, 有用性, 正確性, 低コストの利点を有する患者の画像データに基づいて, 骨粗しょう症を自動的に診断することができる。
論文 参考訳（メタデータ） (2024-03-11T08:11:46Z) - Towards a Transportable Causal Network Model Based on Observational
Healthcare Data [1.333879175460266]
本稿では,選択図,不足グラフ,因果発見,事前知識を1つのグラフィカルモデルに組み合わせた新しい手法を提案する。
このモデルは、患者の2つの異なるコホートからなるデータから学習する。
結果として得られた因果ネットワークモデルは、リスク評価、正確性、説明可能性の観点から専門家臨床医によって検証される。
論文 参考訳（メタデータ） (2023-11-13T13:23:31Z) - 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) - Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。
提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
論文 参考訳（メタデータ） (2022-12-14T06:04:18Z) - 3D-Morphomics, Morphological Features on CT scans for lung nodule
malignancy diagnosis [8.728543774561405]
本研究はCTボリュームにおける形態学的特徴(3次元形態学)に基づく病理状態の予測モデルを構築した。
その後、XGBoost教師付き分類器が3次元形態学で訓練され、病理状態を予測する。
肺結節の悪性度と良性度との分類モデルでは, 3D-morphomicsのみを用いて0.964のAUCが得られる。
論文 参考訳（メタデータ） (2022-07-27T23:50:47Z) - A Diffeomorphic Aging Model for Adult Human Brain from Cross-Sectional
Data [3.2188961353850187]
そこで本稿では,異なる時点の被験者の画像を用いて,与えられた人口の老化モデルを構築する手法を提案する。
提案手法は,2つの公開断面データセット上で有効に検証される。
論文 参考訳（メタデータ） (2021-06-28T10:04:05Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - Classification of Brain Tumours in MR Images using Deep Spatiospatial
Models [0.0]
本稿では、ResNet (2+1)DとResNet Mixed Convolutionの2つの時間モデルを用いて、異なるタイプの脳腫瘍を分類する。
両モデルとも純粋な3次元畳み込みモデルであるResNet18よりも優れていた。
論文 参考訳（メタデータ） (2021-05-28T19:27:51Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳（メタデータ） (2021-04-02T20:52:05Z) - 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) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z)
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。