論文の概要: Accurate Scoliosis Vertebral Landmark Localization on X-ray Images via Shape-constrained Multi-stage Cascaded CNNs

• arxiv url: http://arxiv.org/abs/2206.02087v1
• Date: Sun, 5 Jun 2022 02:45:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-07 16:21:46.929918
• Title: Accurate Scoliosis Vertebral Landmark Localization on X-ray Images via Shape-constrained Multi-stage Cascaded CNNs
• Title（参考訳）: 形状制約型多段CNNによるX線画像の正確なスコリアス頂点位置推定
• Authors: Zhiwei Wang, Jinxin Lv, Yunqiao Yang, Yuanhuai Liang, Yi Lin, Qiang Li, Xin Li, and Xin Yang
• Abstract要約: 椎間板のランドマークの局在は、脊椎関連臨床応用における重要なステップである。 単一タスクを2つの逐次ステップに分割する多段階畳み込み畳み込みニューラルネットワーク(CNN)を提案する。 脊椎後方X線像609点からなるAASCEデータセットについて検討した。
• 参考スコア（独自算出の注目度）: 14.298452017755197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vertebral landmark localization is a crucial step for variant spine-related clinical applications, which requires detecting the corner points of 17 vertebrae. However, the neighbor landmarks often disturb each other for the homogeneous appearance of vertebrae, which makes vertebral landmark localization extremely difficult. In this paper, we propose multi-stage cascaded convolutional neural networks (CNNs) to split the single task into two sequential steps, i.e., center point localization to roughly locate 17 center points of vertebrae, and corner point localization to find 4 corner points for each vertebra without distracted by others. Landmarks in each step are located gradually from a set of initialized points by regressing offsets via cascaded CNNs. Principal Component Analysis (PCA) is employed to preserve a shape constraint in offset regression to resist the mutual attraction of vertebrae. We evaluate our method on the AASCE dataset that consists of 609 tight spinal anterior-posterior X-ray images and each image contains 17 vertebrae composed of the thoracic and lumbar spine for spinal shape characterization. Experimental results demonstrate our superior performance of vertebral landmark localization over other state-of-the-arts with the relative error decreasing from 3.2e-3 to 7.2e-4.
• Abstract（参考訳）: 椎骨のランドマークの局在は、脊椎関連臨床応用において重要なステップであり、17の椎骨のコーナーポイントを検出する必要がある。 しかし、隣接するランドマークは、脊椎の均質な外観のためにお互いを混乱させることが多く、脊椎のランドマークの局在は非常に困難である。 本稿では,1つのタスクを2つのステップに分割する多段カスケード畳み込みニューラルネットワーク(cnns)を提案する。 各ステップのランドマークは、カスケードCNNを介してオフセットを回帰することで、初期化点の集合から徐々に位置する。 主成分分析(PCA)は、脊椎の相互の魅力に抵抗するためにオフセット回帰における形状制約を維持するために用いられる。 胸椎前方x線画像609点からなり, 胸椎と腰椎からなる17個の椎骨を含むaasceデータセットを用いて, 椎体形状解析を行った。 実験の結果, 椎骨のランドマーク位置は3.2e-3から7.2e-4に低下した。

関連論文リスト

• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• Context-Aware Transformers For Spinal Cancer Detection and Radiological Grading [70.04389979779195]
  本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。 MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。 画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
  論文  参考訳（メタデータ） (2022-06-27T10:31:03Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• Automatic Vertebra Localization and Identification in CT by Spine Rectification and Anatomically-constrained Optimization [23.84364494308767]
  本論文では脊椎の解剖学的知識を利用して椎骨の局在と同定を容易にする堅牢かつ正確な方法を提案する。 キーポイント局在モデルは、脊椎中心の活性化マップを作成するために訓練される。 その後、脊椎中心線に沿って再サンプリングされ、脊椎切除された活性化マップを生成し、さらに1-D活性化信号に集約される。 解剖学的に制約された最適化モジュールを導入し、連続する椎骨指数の椎骨と硬い制約の間の距離を調節するソフト制約の下で最適な椎骨中心を共同で探索する。
  論文  参考訳（メタデータ） (2020-12-14T21:26:48Z)
• Three-dimensional Segmentation of the Scoliotic Spine from MRI using Unsupervised Volume-based MR-CT Synthesis [3.6273410177512275]
  本研究では,無教師付き完全3次元(3次元)クロスモダリティ合成法を提案する。 3D CycleGANモデルはMR領域とCT領域にまたがるボリューム・ツー・ボリューム変換のために訓練される。 結果として生じるセグメンテーションは、脊椎の3次元モデルを再構成するために使用される。
  論文  参考訳（メタデータ） (2020-11-25T18:34:52Z)
• A Convolutional Approach to Vertebrae Detection and Labelling in Whole Spine MRI [70.04389979779195]
  脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。 これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。 本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
  論文  参考訳（メタデータ） (2020-07-06T09:37:12Z)
• Bipartite Distance for Shape-Aware Landmark Detection in Spinal X-Ray Images [17.8260780895433]
  スコリオーシス(英: Scoliosis)は、脊椎の外側の曲がりを引き起こす先天性疾患である。 脊椎のランドマークの自動検出と局所化によって信頼性を向上させることができる。 両部距離(BPD)測定値に基づく新たな損失を提案し,ランドマーク検出性能を継続的に向上させることを示す。
  論文  参考訳（メタデータ） (2020-05-28T22:34:24Z)
• Accurately identifying vertebral levels in large datasets [4.210140995696958]
  この研究の目的は、大規模な異種データセットのL1レベルを正確に識別できるシステムを開発することである。 最初のアプローチは、3D U-Netを使用してスキャンボリューム全体を使用してL1椎骨を直接分割し、コンテキストを提供する。 L1椎骨の同定には98%の精度が得られたが, 頭蓋骨レベルでの平均誤差は4.5mmであった。
  論文  参考訳（メタデータ） (2020-01-28T18:15:02Z)
• 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)
• Vertebra-Focused Landmark Detection for Scoliosis Assessment [54.24477530836629]
  脊椎に焦点をあてた新しいランドマーク検出法を提案する。 我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。 その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
  論文  参考訳（メタデータ） (2020-01-09T19:17:41Z)

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。