論文の概要: Deep learning-based algorithm for assessment of knee osteoarthritis
severity in radiographs matches performance of radiologists
- arxiv url: http://arxiv.org/abs/2207.12521v1
- Date: Mon, 25 Jul 2022 20:35:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-27 13:19:38.764435
- Title: Deep learning-based algorithm for assessment of knee osteoarthritis
severity in radiographs matches performance of radiologists
- Title（参考訳）: 放射線検査における膝関節炎の重症度評価のための深層学習アルゴリズム
- Authors: Albert Swiecicki, Nianyi Li, Jonathan O'Donnell, Nicholas Said, Jichen
Yang, Richard C. Mather, William A. Jiranek, Maciej A. Mazurowski
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 10.702936171938774
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: A fully-automated deep learning algorithm matched performance of radiologists
in assessment of knee osteoarthritis severity in radiographs using the
Kellgren-Lawrence grading system.
To develop an automated deep learning-based algorithm that jointly uses
Posterior-Anterior (PA) and Lateral (LAT) views of knee radiographs to assess
knee osteoarthritis severity according to the Kellgren-Lawrence grading system.
We used a dataset of 9739 exams from 2802 patients from Multicenter
Osteoarthritis Study (MOST). The dataset was divided into a training set of
2040 patients, a validation set of 259 patients and a test set of 503 patients.
A novel deep learning-based method was utilized for assessment of knee OA in
two steps: (1) localization of knee joints in the images, (2) classification
according to the KL grading system. Our method used both PA and LAT views as
the input to the model. The scores generated by the algorithm were compared to
the grades provided in the MOST dataset for the entire test set as well as
grades provided by 5 radiologists at our institution for a subset of the test
set.
The model obtained a multi-class accuracy of 71.90% on the entire test set
when compared to the ratings provided in the MOST dataset. The quadratic
weighted Kappa coefficient for this set was 0.9066. The average quadratic
weighted Kappa between all pairs of radiologists from our institution who took
a part of study was 0.748. The average quadratic-weighted Kappa between the
algorithm and the radiologists at our institution was 0.769.
The proposed model performed demonstrated equivalency of KL classification to
MSK radiologists, but clearly superior reproducibility. Our model also agreed
with radiologists at our institution to the same extent as the radiologists
with each other. The algorithm could be used to provide reproducible assessment
of knee osteoarthritis severity.
- Abstract（参考訳）: 完全自動深層学習アルゴリズムは,Kellgren-Lawrenceグレーティングシステムを用いたX線写真における膝関節炎の重症度評価において,放射線技師のパフォーマンスと一致した。
膝関節症の重症度をKellgren-Lawrence grading systemに従って評価するために、後アンテリア(PA)と側ラテラル(LAT)ビューを併用した自動ディープラーニングベースのアルゴリズムを開発する。
多施設性変形性膝関節症(most)患者2802例の9739点の検査データセットを用いた。
データセットは2040人、検証セットは259人、テストセットは503人に分けられた。
1)膝関節の局所化,(2)KL分類による分類の2段階において,新しい深層学習法を用いて膝OAの評価を行った。
本手法ではpaとlatのビューをモデルへの入力として用いた。
このアルゴリズムにより得られたスコアは, テストセット全体を対象としたMOSTデータセットと, テストセットのサブセットについて, 当施設の5人の放射線学者による評価結果とを比較した。
このモデルはMOSTデータセットのレーティングと比較してテストセット全体の71.90%のマルチクラス精度を得た。
この集合の二次重み付きカッパ係数は 0.9066 である。
研究に参加した当院の放射線科医の対間での4次重み付きkappaの平均値は0.748であった。
当施設の放射線科医とアルゴリズムの平均二次重み付きカッパは0.769。
提案モデルはmsk放射線科医にkl分類の等価性を示したが,再現性は良好であった。
また, 当施設の放射線科医は, 放射線科医と同程度に一致した。
このアルゴリズムは、膝関節症重症度を再現可能な評価に使用できる。
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) - Incorporating Anatomical Awareness for Enhanced Generalizability and Progression Prediction in Deep Learning-Based Radiographic Sacroiliitis Detection [0.8248058061511542]
本研究の目的は, 深層学習モデルに解剖学的認識を取り入れることで, 一般化性を高め, 疾患進行の予測を可能にするかを検討することである。
モデルの性能は, 受信機動作特性曲線(AUC)下の領域, 精度, 感度, 特異性を用いて比較した。
論文 参考訳（メタデータ） (2024-05-12T20:02:25Z) - A Federated Learning Framework for Stenosis Detection [70.27581181445329]
本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。
アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。
データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
論文 参考訳（メタデータ） (2023-10-30T11:13:40Z) - 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) - MAPPING: Model Average with Post-processing for Stroke Lesion
Segmentation [57.336056469276585]
我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。
本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
論文 参考訳（メタデータ） (2022-11-11T14:17:04Z) - Deep Learning for Classification of Thyroid Nodules on Ultrasound:
Validation on an Independent Dataset [7.4674725823899175]
本研究の目的は,新しい甲状腺超音波画像データセットに事前に検証された深層学習アルゴリズムを適用することである。
このアルゴリズムと放射線技師の相対的な性能差は、超音波スキャナーの違いによって大きく影響されない。
論文 参考訳（メタデータ） (2022-07-27T19:45:41Z) - Automated Grading of Radiographic Knee Osteoarthritis Severity Combined
with Joint Space Narrowing [9.56244753914375]
膝X線による膝関節症(KOA)重症度の評価は,全膝使用における中心的基準である。
後部前部(PA)画像からKOAを自動的に評価する深層学習に基づく新しい5段階アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-03-16T19:54:47Z) - 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) - Automated Detection of Patellofemoral Osteoarthritis from Knee Lateral
View Radiographs Using Deep Learning: Data from the Multicenter
Osteoarthritis Study (MOST) [3.609538870261841]
本論文では,PFOA(Automatic Patello大腿骨関節症)検出法を提案する。
膝側方X線写真から乳頭領域を訓練した深層学習モデルでは、患者特性や臨床評価に基づくモデルよりもPFOAの予測が優れています。
論文 参考訳（メタデータ） (2021-01-12T08:37:55Z) - Chest x-ray automated triage: a semiologic approach designed for
clinical implementation, exploiting different types of labels through a
combination of four Deep Learning architectures [83.48996461770017]
本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。
公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。
4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
論文 参考訳（メタデータ） (2020-12-23T14:38:35Z) - 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。