論文の概要: Automated Grading of Radiographic Knee Osteoarthritis Severity Combined with Joint Space Narrowing

• arxiv url: http://arxiv.org/abs/2203.08914v1
• Date: Wed, 16 Mar 2022 19:54:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-18 13:00:07.441919
• Title: Automated Grading of Radiographic Knee Osteoarthritis Severity Combined with Joint Space Narrowing
• Title（参考訳）: 関節間隙狭化を伴う変形性膝関節症の自動評価
• Authors: Hanxue Gu, Keyu Li, Roy J. Colglazier, Jichen Yang, Michael Lebhar, Jonathan O'Donnell, William A. Jiranek, Richard C. Mather, Rob J. French, Nicholas Said, Jikai Zhang, Christine Park, Maciej A. Mazurowski
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 9.56244753914375
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The assessment of knee osteoarthritis (KOA) severity on knee X-rays is a central criteria for the use of total knee arthroplasty. However, this assessment suffers from imprecise standards and a remarkably high inter-reader variability. An algorithmic, automated assessment of KOA severity could improve overall outcomes of knee replacement procedures by increasing the appropriateness of its use. We propose a novel deep learning-based five-step algorithm to automatically grade KOA from posterior-anterior (PA) views of radiographs: (1) image preprocessing (2) localization of knees joints in the image using the YOLO v3-Tiny model, (3) initial assessment of the severity of osteoarthritis using a convolutional neural network-based classifier, (4) segmentation of the joints and calculation of the joint space narrowing (JSN), and (5), a combination of the JSN and the initial assessment to determine a final Kellgren-Lawrence (KL) score. Furthermore, by displaying the segmentation masks used to make the assessment, our algorithm demonstrates a higher degree of transparency compared to typical "black box" deep learning classifiers. We perform a comprehensive evaluation using two public datasets and one dataset from our institution, and show that our algorithm reaches state-of-the art performance. Moreover, we also collected ratings from multiple radiologists at our institution and showed that our algorithm performs at the radiologist level. The software has been made publicly available at https://github.com/MaciejMazurowski/osteoarthritis-classification.
• Abstract（参考訳）: 人工膝関節全置換術における膝関節炎(KOA)重症度の評価は中心的基準である。 しかし、この評価は不正確な基準と非常に高いリーダー間変動に苦しむ。 KOAの重症度をアルゴリズムで自動評価することで、膝置換術の全体的な成績を向上させることができる。 We propose a novel deep learning-based five-step algorithm to automatically grade KOA from posterior-anterior (PA) views of radiographs: (1) image preprocessing (2) localization of knees joints in the image using the YOLO v3-Tiny model, (3) initial assessment of the severity of osteoarthritis using a convolutional neural network-based classifier, (4) segmentation of the joints and calculation of the joint space narrowing (JSN), and (5), a combination of the JSN and the initial assessment to determine a final Kellgren-Lawrence (KL) score. さらに,評価に使用するセグメンテーションマスクを表示することで,一般的な「ブラックボックス」深層学習分類器と比較して高い透明性を示す。 2つの公開データセットと1つのデータセットを用いて総合的な評価を行い,そのアルゴリズムが最先端の性能に達することを示す。 また,当院における複数の放射線科医のレーティングを収集し,放射線科レベルでのアルゴリズムの成績を示した。 このソフトウェアはhttps://github.com/MaciejMazurowski/osteoarthritis-classificationで公開されている。

関連論文リスト

• Unsupervised Machine Learning for Osteoporosis Diagnosis Using Singh Index Clustering on Hip Radiographs [0.0]
  Singh Index (SI) は単純で半定量的な骨粗しょう症の診断方法である。 本研究は, 機械学習アルゴリズムを用いて, ラジオグラフからのSI識別を自動化することを目的とする。
  論文  参考訳（メタデータ） (2024-11-22T08:44:43Z)
• 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)
• 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)
• 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)
• Deep learning-based algorithm for assessment of knee osteoarthritis severity in radiographs matches performance of radiologists [10.702936171938774]
  完全重み付き深層学習アルゴリズムは、X線写真における膝関節炎重症度の評価において、放射線技師のパフォーマンスと一致した。 マルチセンター型変形性関節症研究(MOST)2802例の9739検診データセットを用いた。 このモデルはMOSTデータセットのレーティングと比較すると、テストセット全体の71.90%のマルチクラス精度を得た。
  論文  参考訳（メタデータ） (2022-07-25T20:35:17Z)
• 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)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Coherence Learning using Keypoint-based Pooling Network for Accurately Assessing Radiographic Knee Osteoarthritis [18.47511520060851]
  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。
  論文  参考訳（メタデータ） (2021-12-16T19:59:13Z)
• 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)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。