論文の概要: VertXNet: Automatic Segmentation and Identification of Lumbar and
Cervical Vertebrae from Spinal X-ray Images
- arxiv url: http://arxiv.org/abs/2207.05476v1
- Date: Tue, 12 Jul 2022 11:43:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-13 20:59:13.619961
- Title: VertXNet: Automatic Segmentation and Identification of Lumbar and
Cervical Vertebrae from Spinal X-ray Images
- Title(参考訳): VertXNet:脊髄X線画像からの腰椎・頚椎の自動分離と同定
- Authors: Yao Chen and Yuanhan Mo and Aimee Readie and Gregory Ligozio and
Thibaud Coroller and Bartlomiej W. Papiez
- Abstract要約: VertXNetはX線脊椎画像で脊椎を自動的に分類しラベル付けするためのアンサンブル法である。
人間の専門家によるレビューを必要とせず、注釈付き椎骨の欠如を回避できる。
- 参考スコア(独自算出の注目度): 4.310687588548587
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Manual annotation of vertebrae on spinal X-ray imaging is costly and
time-consuming due to bone shape complexity and image quality variations. In
this study, we address this challenge by proposing an ensemble method called
VertXNet, to automatically segment and label vertebrae in X-ray spinal images.
VertXNet combines two state-of-the-art segmentation models, namely U-Net and
Mask R-CNN to improve vertebrae segmentation. A main feature of VertXNet is to
also infer vertebrae labels thanks to its Mask R-CNN component (trained to
detect 'reference' vertebrae) on a given spinal X-ray image. VertXNet was
evaluated on an in-house dataset of lateral cervical and lumbar X-ray imaging
for ankylosing spondylitis (AS) patients. Our results show that VertXNet can
accurately label spinal X-rays (mean Dice of 0.9). It can be used to circumvent
the lack of annotated vertebrae without requiring human expert review. This
step is crucial to investigate clinical associations by solving the lack of
segmentation, a common bottleneck for most computational imaging projects.
- Abstract(参考訳): 脊椎X線画像における脊椎のマニュアルアノテーションは骨形状の複雑さと画像品質の変化により費用と時間を要する。
本研究では, 脊椎X線画像における椎骨の自動分割とラベル付けのためのVertXNetというアンサンブル手法を提案する。
VertXNetは2つの最先端セグメンテーションモデル、すなわちU-NetとMask R-CNNを組み合わせて脊椎セグメンテーションを改善する。
VertXNetの主な特徴は、与えられた脊椎X線画像上のMask R-CNN成分(「参照」椎骨を検出するために訓練された)により、脊椎のラベルを推測することである。
ankylosing spondylitis (as) 症例の頚椎外側および腰椎x線撮影におけるvertxnetの有用性について検討した。
以上の結果から,vertxnetは脊柱x線を正確に表示できることが判明した。
人間の専門家によるレビューを必要とせず、注釈付き椎骨の欠如を回避できる。
このステップは、ほとんどの計算画像プロジェクトにおいて共通のボトルネックであるセグメンテーションの欠如を解決することで臨床関連を調査するために重要である。
関連論文リスト
- SpineFM: Leveraging Foundation Models for Automatic Spine X-ray Segmentation [0.0]
本稿では,脊椎の自動分割と同定における最先端性能を実現する新しいパイプラインであるSpineFMを紹介する。
椎骨の97.8%と99.6%の同定に成功した2つの公開X線データセットにおいて、優れた結果を得た。
論文 参考訳(メタデータ) (2024-11-01T02:51:21Z) - 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) - VertXNet: An Ensemble Method for Vertebrae Segmentation and
Identification of Spinal X-Ray [3.7139410609392933]
VertXNetは脊椎X線画像に脊椎を自動的に分類しラベル付けするためのアンサンブルパイプラインである。
2つの最先端(SOTA)セグメンテーションモデル(特にU-NetとMask R-CNN)を組み合わせることで、X線脊椎画像における脊椎の自動セグメンテーションとラベル付けを行う。
提案したパイプラインを3つの脊髄X線データセット(内部2点,公開1点)で評価し,放射線医が注釈した椎骨との比較を行った。
論文 参考訳(メタデータ) (2023-02-07T14:01:32Z) - 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) - 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) - CTSpine1K: A Large-Scale Dataset for Spinal Vertebrae Segmentation in Computed Tomography [27.27657839726696]
CTSpine1Kと呼ばれる大規模な脊椎CTデータセットを導入する。
このデータセットは1,005CTボリュームを含み、11,100以上のラベル付き脊椎は異なる脊椎の状態に属している。
論文 参考訳(メタデータ) (2021-05-31T05:34:27Z) - Cross-Modal Contrastive Learning for Abnormality Classification and
Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。
まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。
放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
論文 参考訳(メタデータ) (2021-04-11T09:16:29Z) - 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) - Analysis of Scoliosis From Spinal X-Ray Images [17.8260780895433]
脊柱管の計測には脊椎のラベル付けと識別が必要である。
スコリオーシス(英: Scoliosis)は、脊椎が正常な形状から変形する先天性疾患である。
そこで本研究では,脊柱管狭窄計測に伴う脊椎の完全自動的,信頼性の高いセグメンテーションを提供するエンドツーエンドセグメンテーションモデルを提案する。
論文 参考訳(メタデータ) (2020-04-15T05:36:28Z) - 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。