論文の概要: Knee Cartilage Defect Assessment by Graph Representation and Surface
Convolution
- arxiv url: http://arxiv.org/abs/2201.04318v1
- Date: Wed, 12 Jan 2022 05:55:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-13 14:49:51.644509
- Title: Knee Cartilage Defect Assessment by Graph Representation and Surface
Convolution
- Title(参考訳): グラフ表現と表面畳み込みによる膝軟骨欠損の評価
- Authors: Zixu Zhuang, Liping Si, Sheng Wang, Kai Xuan, Xi Ouyang, Yiqiang Zhan,
Zhong Xue, Lichi Zhang, Dinggang Shen, Weiwu Yao, Qian Wang
- Abstract要約: 軟骨欠損は変形性膝関節症(OA)の主要な徴候と見なされる
膝関節MRIに畳み込みニューラルネットワーク(CNN)を適用することで膝軟骨欠損の評価に多くの試みがなされている。
軟骨構造と膝関節MRIからの外観をグラフ表現にモデル化し,高度に多様な臨床データを扱うことができる。
そして, 軟骨グラフ表現を用いて, 非ユークリッド深層学習ネットワークを設計し, 局所的およびグローバル的な軟骨の特徴を抽出する。
- 参考スコア(独自算出の注目度): 40.36360714443767
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knee osteoarthritis (OA) is the most common osteoarthritis and a leading
cause of disability. Cartilage defects are regarded as major manifestations of
knee OA, which are visible by magnetic resonance imaging (MRI). Thus early
detection and assessment for knee cartilage defects are important for
protecting patients from knee OA. In this way, many attempts have been made on
knee cartilage defect assessment by applying convolutional neural networks
(CNNs) to knee MRI. However, the physiologic characteristics of the cartilage
may hinder such efforts: the cartilage is a thin curved layer, implying that
only a small portion of voxels in knee MRI can contribute to the cartilage
defect assessment; heterogeneous scanning protocols further challenge the
feasibility of the CNNs in clinical practice; the CNN-based knee cartilage
evaluation results lack interpretability. To address these challenges, we model
the cartilages structure and appearance from knee MRI into a graph
representation, which is capable of handling highly diverse clinical data.
Then, guided by the cartilage graph representation, we design a non-Euclidean
deep learning network with the self-attention mechanism, to extract cartilage
features in the local and global, and to derive the final assessment with a
visualized result. Our comprehensive experiments show that the proposed method
yields superior performance in knee cartilage defect assessment, plus its
convenient 3D visualization for interpretability.
- Abstract(参考訳): 変形性膝関節症(OA)は最も一般的な変形性関節症であり、障害の原因となっている。
軟骨欠損は、MRI(MRI)で観察される膝OAの徴候であると考えられている。
膝関節軟骨欠損の早期発見と評価は膝OAから患者の保護に重要である。
このようにして、畳み込みニューラルネットワーク(CNN)を膝関節MRIに適用することにより、膝軟骨欠損の評価に多くの試みがなされている。
軟骨は薄い湾曲した層であり、膝mriのボクセルのごく一部のみが軟骨欠損の評価に寄与することを示し、異種走査プロトコルは臨床におけるcnnの実現可能性にさらに挑戦し、cnnベースの膝軟骨評価の結果は解釈可能性に欠ける。
これらの課題に対処するために,膝関節MRIの軟骨構造と外観を,高度に多様な臨床データを扱うことができるグラフ表現にモデル化する。
次に, 軟骨グラフ表現に導かれ, 自己照査機構を備えた非ユークリッド型深層学習ネットワークを設計し, 局所的および大域的な軟骨の特徴を抽出し, 最終評価を可視化結果で導出する。
包括的実験により, 膝関節軟骨欠損評価において, 簡便な3次元可視化が有用であることがわかった。
関連論文リスト
- Segmentation of tibiofemoral joint tissues from knee MRI using MtRA-Unet
and incorporating shape information: Data from the Osteoarthritis Initiative [3.686808512438363]
提案した研究は,大腿骨の98.5%,大腿骨の98.4%,大腿骨軟骨の89.1%,大腿骨軟骨の86.1%のDice similarity Coefficient(DSC)を生成する単一段階およびエンドツーエンドのフレームワークである。
被験者あたりのMRIボリューム(160スライス)を分断する時間は22秒であり、最先端技術の中では最速の1つである。
論文 参考訳(メタデータ) (2024-01-23T17:37:34Z) - Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。
本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文 参考訳(メタデータ) (2023-11-22T05:44:51Z) - 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) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳(メタデータ) (2023-07-10T01:26:48Z) - CNN-based fully automatic wrist cartilage volume quantification in MR
Image [55.41644538483948]
追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。
非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
論文 参考訳(メタデータ) (2022-06-22T14:19:06Z) - 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) - 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) - Improved Diagnosis of Tibiofemoral Cartilage Defects on MRI Images Using
Deep Learning [0.0]
深層学習は、診断精度と速度を改善するために医療画像を自動的に解釈するために使われてきた。
本研究の目的は, 膝関節MRI画像の解釈に応用した深層学習が, 軟骨の欠陥を正確に識別するために有効であるかどうかを評価することである。
我々は、MRI画像を分析するために3つの畳み込みニューラルネットワーク(CNN)を開発し、CNNの意思決定過程を可視化するために、画像特異的な解像度マップを実装した。
論文 参考訳(メタデータ) (2020-11-30T22:50:37Z) - Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture
Detection [58.984536305767996]
自動椎骨骨折検出のための表現学習型アプローチを提案する。
本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。
一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
論文 参考訳(メタデータ) (2020-08-18T10:03:45Z) - A Lightweight CNN and Joint Shape-Joint Space (JS2) Descriptor for
Radiological Osteoarthritis Detection [2.3204178451683264]
関節形状と畳み込みニューラルネットワーク(CNN)に基づく骨テクスチャ機能を組み合わせた,完全自動化された新しい手法を提案する。
以上の結果から,RAC曲線(AUC)95.21%以下のX線学的変形性関節症検出領域において,形状とテクスチャパラメータを融合させることで,最先端の術式が達成できることが示唆された。
論文 参考訳(メタデータ) (2020-05-24T10:48:38Z)
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。