Fugu-MT 論文翻訳(概要): Fast and Robust Femur Segmentation from Computed Tomography Images for Patient-Specific Hip Fracture Risk Screening

論文の概要: Fast and Robust Femur Segmentation from Computed Tomography Images for Patient-Specific Hip Fracture Risk Screening

arxiv url: http://arxiv.org/abs/2204.09575v1
Date: Wed, 20 Apr 2022 16:16:16 GMT
ステータス: 処理完了
システム内更新日: 2022-04-21 15:46:25.211463
Title: Fast and Robust Femur Segmentation from Computed Tomography Images for Patient-Specific Hip Fracture Risk Screening
Title（参考訳）: 患者特異的大腿骨骨折リスクスクリーニングのためのct画像からの高速かつロバストな大腿骨分割法
Authors: Pall Asgeir Bjornsson, Alexander Baker, Ingmar Fleps, Yves Pauchard, Halldor Palsson, Stephen J. Ferguson, Sigurdur Sigurdsson, Vilmundur Gudnason, Benedikt Helgason, Lotta Maria Ellingsen
Abstract要約: 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。
参考スコア（独自算出の注目度）: 48.46841573872642
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Osteoporosis is a common bone disease that increases the risk of bone fracture. Hip-fracture risk screening methods based on finite element analysis depend on segmented computed tomography (CT) images; however, current femur segmentation methods require manual delineations of large data sets. Here we propose a deep neural network for fully automated, accurate, and fast segmentation of the proximal femur from CT. Evaluation on a set of 1147 proximal femurs with ground truth segmentations demonstrates that our method is apt for hip-fracture risk screening, bringing us one step closer to a clinically viable option for screening at-risk patients for hip-fracture susceptibility.
Abstract（参考訳）: 骨粗しょう症は骨骨折のリスクを高める一般的な骨疾患である。有限要素解析に基づくヒップフラクチャーリスクスクリーニング法は, 分割CT画像に依存するが, 現在の大腿骨分割法では, 大規模なデータセットを手動で記述する必要がある。本稿では,CTから大腿骨近位部を完全自動化し,高精度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。人工股関節置換術を併用した大腿骨近位部1147例の評価は,当法が股関節脱臼リスクスクリーニングに適していることを示している。

関連論文リスト

A multi-stage semi-supervised learning for ankle fracture classification on CT images [16.772298853243807]
足関節の関節小臼歯部領域に対して, 遠位骨と遠位骨の分節ネットワークが提案されている。半教師付き分類器は、多数のラベルのないデータをフル活用して足首骨折を分類するために構成される。
論文参考訳（メタデータ） (2024-03-29T05:35:04Z)
Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文参考訳（メタデータ） (2023-06-06T18:01:08Z)
MSKdeX: Musculoskeletal (MSK) decomposition from an X-ray image for fine-grained estimation of lean muscle mass and muscle volume [5.1294076116231455]
サルコペン症や骨粗しょう症などの筋骨格疾患は、加齢に伴う健康にとって大きな障害である。そこで本研究では,原X線像,低コスト,低放射能,高アクセス性画像モダリティから微細な筋肉特性を推定する手法を提案する。
論文参考訳（メタデータ） (2023-05-31T14:56:18Z)
Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文参考訳（メタデータ） (2022-12-01T07:32:56Z)
Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文参考訳（メタデータ） (2022-05-16T10:59:55Z)
A Deep Learning-Based Approach to Extracting Periosteal and Endosteal Contours of Proximal Femur in Quantitative CT Images [25.76523855274612]
セグメンテーションタスクのために,3次元の終端(3D)完全畳み込みニューラルネットワークを開発した。同一のネットワーク構造を持つ2つのモデルが訓練され、それぞれ腹腔内輪郭と内皮輪郭に対して97.87%と96.49%のサイコロ類似係数(DSC)を達成した。大腿骨頚部骨折のリスク予測や有限要素解析などの臨床応用の可能性を示した。
論文参考訳（メタデータ） (2021-02-03T10:23:41Z)
Automated femur segmentation from computed tomography images using a deep neural network [0.0]
骨粗しょう症(英: osteoporosis)は、骨の再生が古い骨の喪失に追いつかず、骨折のリスクが高まるという一般的な骨疾患である。我々は, 深部畳み込みニューラルネットワークを用いて, CTスキャンから大腿骨の正確な, 自動化され, 堅牢で, 高速なセグメンテーションを創出する, 大腿骨近位部セグメンテーションのための新しいアプローチを提案する。
論文参考訳（メタデータ） (2021-01-27T23:37:56Z)
A Deep Learning-Based Method for Automatic Segmentation of Proximal Femur from Quantitative Computed Tomography Images [5.731199807877257]
我々は、エンドツーエンドの完全畳み込みニューラルネットワーク(CNN)であるV on-Netに基づく3次元画像分割法を開発した。提案手法の有効性を評価する実験を行った。
論文参考訳（メタデータ） (2020-06-09T21:16:47Z)
Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文参考訳（メタデータ） (2020-05-27T06:58:39Z)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。