論文の概要: A Sub-pixel Accurate Quantification of Joint Space Narrowing Progression in Rheumatoid Arthritis

• arxiv url: http://arxiv.org/abs/2205.09315v1
• Date: Thu, 19 May 2022 04:04:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-20 14:41:14.677571
• Title: A Sub-pixel Accurate Quantification of Joint Space Narrowing Progression in Rheumatoid Arthritis
• Title（参考訳）: 関節リウマチにおける関節間隙狭窄進展のサブピクセル定量化
• Authors: Yafei Ou, Prasoon Ambalathankandy, Ryunosuke Furuya, Seiya Kawada, Tianyu Zeng, Yujie An, Tamotsu Kamishima, Kenichi Tamura, and Masayuki Ikebe
• Abstract要約: 慢性関節リウマチ(RA)は慢性自己免疫疾患であり、末梢性滑膜関節に主に影響を及ぼす。 共同空間狭化(JSN)によるRAの進行は、普遍的な空間分解能を持つ1年に1ピクセル未満である。 本稿では,RAの初期段階におけるJSN進行を自動的に定量化することを目的とした,新規かつ敏感な手法を提案する。
• 参考スコア（独自算出の注目度）: 0.8314007335803791
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Rheumatoid arthritis (RA) is a chronic autoimmune disease that primarily affects peripheral synovial joints, like fingers, wrist and feet. Radiology plays a critical role in the diagnosis and monitoring of RA. Limited by the current spatial resolution of radiographic imaging, joint space narrowing (JSN) progression of RA with the same reason above can be less than one pixel per year with universal spatial resolution. Insensitive monitoring of JSN can hinder the radiologist/rheumatologist from making a proper and timely clinical judgment. In this paper, we propose a novel and sensitive method that we call partial image phase-only correlation which aims to automatically quantify JSN progression in the early stages of RA. The majority of the current literature utilizes the mean error, root-mean-square deviation and standard deviation to report the accuracy at pixel level. Our work measures JSN progression between a baseline and its follow-up finger joint images by using the phase spectrum in the frequency domain. Using this study, the mean error can be reduced to 0.0130mm when applied to phantom radiographs with ground truth, and 0.0519mm standard deviation for clinical radiography. With its sub-pixel accuracy far beyond manual measurement, we are optimistic that our work is promising for automatically quantifying JSN progression.
• Abstract（参考訳）: 慢性関節リウマチ(RA)は慢性自己免疫疾患であり、主に指、手首、足などの関節周囲に影響を及ぼす。 放射線学はRAの診断とモニタリングにおいて重要な役割を担っている。 放射線画像の現在の空間分解能によって制限されるが、同じ理由によりRAのJSNの進行は、普遍的な空間分解能を持つ年に1ピクセル未満である。 JSNの非感受性モニタリングは、放射線医やリウマチ医が適切な、タイムリーな臨床判断を下すのを妨げる可能性がある。 本稿では,RAの初期におけるJSN進行を自動的に定量化することを目的とした,部分像位相のみの相関法を提案する。 現在の文献の大半は平均誤差、根-平均二乗偏差、標準偏差を利用して画素レベルでの精度を報告している。 本研究は,周波数領域の位相スペクトルを用いて,ベースラインとその追従指関節画像間のJSN進行を測定する。 本研究は, 臨床放射線検査における標準偏差0.0519mmを用いて, 平均誤差を0.0130mmまで低減できることを示した。 手動測定をはるかに超えたサブピクセル精度で、我々の研究がJSNの進行を自動的に定量化することを約束していると楽観的である。

関連論文リスト

• A Deep Registration Method for Accurate Quantification of Joint Space Narrowing Progression in Rheumatoid Arthritis [1.5399759353033091]
  慢性関節リウマチ(RA)は慢性自己免疫性炎症性疾患である。 関節間隙短縮(JSN)の進行は,RA進行の重要な指標とされ,引き続き注目されている。 放射線画像における画像登録によるJSN進行の定量化のための新しいフレームワークを開発した。 本研究では, RAの初期におけるJSN進行を自動的に定量化するために, 深部剛性登録網を提案する。
  論文  参考訳（メタデータ） (2023-04-27T03:08:34Z)
• Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian Shape Framework [65.19784967388934]
  RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。 本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。 実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-06-30T13:04:42Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• 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)
• Universal Lesion Detection in CT Scans using Neural Network Ensembles [5.341593824515018]
  腫瘍の拡がりの下流評価を促進するため、病変の縮小の前提条件は、その検出である。 我々は,NIH DeepLesionデータセットに存在する疑わしい病変を識別するために,最先端検出ニューラルネットワークを提案する。 画像あたり65.17%の精度と91.67%の感度で1枚あたり4FPの精度で、病変を局在させる最良の検出モデルのアンサンブルを構築した。
  論文  参考訳（メタデータ） (2021-11-09T00:11:01Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• 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)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)

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。