論文の概要: AutoCOR: Autonomous Condylar Offset Ratio Calculator on
TKA-Postoperative Lateral Knee X-ray
- arxiv url: http://arxiv.org/abs/2204.03120v1
- Date: Wed, 6 Apr 2022 22:49:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-08 14:33:34.898720
- Title: AutoCOR: Autonomous Condylar Offset Ratio Calculator on
TKA-Postoperative Lateral Knee X-ray
- Title（参考訳）: AutoCOR: TKA-postoperativelateral Knee X-ray上の自律型コンディラーオフセット比電卓
- Authors: Gulsade Rabia Cakmak, Ibrahim Ethem Hamamci, Mehmet Kursat Yilmaz,
Reda Alhajj, Ibrahim Azboy and Mehmet Kemal Ozdemir
- Abstract要約: 整形外科医が手動で手動で, 下顎後部オフセット率 (PCOR) と下顎前部オフセット率 (ACOR) の計算を行った。
我々はPCORとACORを自律的に計算するソフトウェアAutoCORを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The postoperative range of motion is one of the crucial factors indicating
the outcome of Total Knee Arthroplasty (TKA). Although the correlation between
range of knee flexion and posterior condylar offset (PCO) is controversial in
the literature, PCO maintains its importance on evaluation of TKA. Due to
limitations on PCO measurement, two novel parameters, posterior condylar offset
ratio (PCOR) and anterior condylar offset ratio (ACOR), were introduced.
Nowadays, the calculation of PCOR and ACOR on plain lateral radiographs is done
manually by orthopedic surgeons. In this regard, we developed a software,
AutoCOR, to calculate PCOR and ACOR autonomously, utilizing unsupervised
machine learning algorithm (k-means clustering) and digital image processing
techniques. The software AutoCOR is capable of detecting the anterior/posterior
edge points and anterior/posterior cortex of the femoral shaft on true
postoperative lateral conventional radiographs. To test the algorithm, 50
postoperative true lateral radiographs from Istanbul Kosuyolu Medipol Hospital
Database were used (32 patients). The mean PCOR was 0.984 (SD 0.235) in
software results and 0.972 (SD 0.164) in ground truth values. It shows strong
and significant correlation between software and ground truth values (Pearson
r=0.845 p<0.0001). The mean ACOR was 0.107 (SD 0.092) in software results and
0.107 (SD 0.070) in ground truth values. It shows moderate and significant
correlation between software and ground truth values (Spearman's rs=0.519
p=0.0001412). We suggest that AutoCOR is a useful tool that can be used in
clinical practice.
- Abstract（参考訳）: 術後の運動域は人工膝関節置換術(TKA)の結果を示す重要な因子の1つである。
文献では膝屈曲域と後顆オフセット(PCO)の相関が議論されているが,PCOはTKAの評価において重要である。
PCO測定の限界により,後頭顆オフセット比 (PCOR) と前頭顆オフセット比 (ACOR) の2つの新しいパラメータが導入された。
近年, 整形外科医は, PCORとACORの定量化を手作業で行うようになった。
そこで我々は,教師なし機械学習アルゴリズム(k-means clustering)とデジタル画像処理技術を用いて,PCORとACORを自律的に計算するソフトウェアAutoCORを開発した。
ソフトウェアAutoCORは、真の術後側方X線撮影において、大腿骨軸の前・後縁点及び前・後皮質を検出することができる。
このアルゴリズムをテストするために,istanbul kosuyolu medipol病院データベースから50個のx線写真(32例)を用いた。
PCORの平均値はソフトウェアで0.984 (SD 0.235) 、真理で0.972 (SD 0.164) であった。
ソフトウェアと基底真理(pearson r=0.845 p<0.0001)の強い相関関係を示す。
平均 acor はソフトウェアで 0.107 (sd 0.092) 、基底真理で 0.107 (sd 0.070) であった。
ソフトウェアと基底真理の中間的かつ有意な相関を示す(spearmanのrs=0.519 p=0.0001412)。
我々は,AutoCORが臨床に有用なツールであることが示唆された。
関連論文リスト
- Deep Learning Models to Automate the Scoring of Hand Radiographs for Rheumatoid Arthritis [0.0]
シャープスコア(シャープスコア、英: Sharp score、SvdH)は、慢性関節リウマチ(RA)の臨床治験における損傷の定量化に広く用いられている放射線検査法である。
まず,手指のX線写真からSvdHのスコアとRAの重症度を推定できる自動パイプラインを開発した。
論文 参考訳（メタデータ） (2024-06-14T12:43:16Z) - TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。
このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。
このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文 参考訳（メタデータ） (2024-05-29T20:15:54Z) - Can Deep Learning Reliably Recognize Abnormality Patterns on Chest
X-rays? A Multi-Reader Study Examining One Month of AI Implementation in
Everyday Radiology Clinical Practice [0.0]
胸部X線上の7種類の放射線学的所見を検出・局所化するための深層学習に基づく自動検出アルゴリズム(DLAD)を開発した。
提案したDLADは高感度(ATE 1.000 (0.624-1.000), CON 0.864 (0.671-0.956), EFF 0.953 (0.887-0.983), LES 0.905 (0.715-0.978), SCE 1.000 (0.366-1.000), CMG 0.837 (0.711-0.917), PNO 0.875 (0.538-0.986)を実現した。
本研究の結果から,提案したDLADが日常生活への統合の可能性を秘めていることが明らかとなった。
論文 参考訳（メタデータ） (2023-05-17T10:43:50Z) - Attention-based Saliency Maps Improve Interpretability of Pneumothorax
Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。
ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。
ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文 参考訳（メタデータ） (2023-03-03T12:05:41Z) - Adaptive Contrastive Learning with Dynamic Correlation for Multi-Phase
Organ Segmentation [25.171694372205774]
臓器レベルでの各ミニバッチにおけるサンプル間の類似・異種コントラスト関係に適応するデータ駆動型コントラスト損失関数を提案する。
非コントラストCTデータセットとMICCAI 2015 BTCV ChallengeのコントラストCTデータセットを併用した多臓器セグメンテーションの検討を行った。
論文 参考訳（メタデータ） (2022-10-16T22:38:30Z) - 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) - Osteoporosis Prescreening using Panoramic Radiographs through a Deep
Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。
49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文 参考訳（メタデータ） (2021-10-19T00:03:57Z) - Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
大腸ポリープの発達は、がんの最も初期の兆候の1つである。
ポリープの早期検出と切除は生存率を90%に大きく向上させる。
大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
論文 参考訳（メタデータ） (2021-10-17T09:31:20Z) - Automatic classification of multiple catheters in neonatal radiographs
with deep learning [2.256008196530956]
新生児胸部および腹部X線写真上の複数のカテーテルを分類する深層学習アルゴリズムの開発と評価を行った。
畳み込みニューラルネットワーク(CNN)は,新生児胸部777例と腹部X線写真を用いて訓練した。
論文 参考訳（メタデータ） (2020-11-14T21:27:21Z) - JCS: An Explainable COVID-19 Diagnosis System by Joint Classification
and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。
感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。
本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文 参考訳（メタデータ） (2020-04-15T12:30:40Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳（メタデータ） (2020-04-02T21:49:14Z)
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。