論文の概要: Faint Features Tell: Automatic Vertebrae Fracture Screening Assisted by Contrastive Learning

• arxiv url: http://arxiv.org/abs/2208.10698v1
• Date: Tue, 23 Aug 2022 02:39:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-24 13:13:12.331918
• Title: Faint Features Tell: Automatic Vertebrae Fracture Screening Assisted by Contrastive Learning
• Title（参考訳）: かすかな特徴がわかる: コントラスト学習支援による椎骨骨折自動スクリーニング
• Authors: Xin Wei, Huaiwei Cong, Zheng Zhang, Junran Peng, Guoping Chen, Jinpeng Li
• Abstract要約: 長期の脊椎骨折は患者の生活の質に深刻な影響を与え、気胸、腰椎変形、さらには麻痺を引き起こしている。 特に、深層学習モデルや経験の浅い医師では、軽度の骨折と正常なコントロールを区別することは極めて困難である。 そこで本研究では,CTスキャンを用いてGenentの脊椎骨折度を推定するための教師付きコントラスト学習ベースモデルを提案する。 両分類では99%,感度は85%,マクロF1は77%であった。
• 参考スコア（独自算出の注目度）: 11.944282446506396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-term vertebral fractures severely affect the life quality of patients, causing kyphotic, lumbar deformity and even paralysis. Computed tomography (CT) is a common clinical examination to screen for this disease at early stages. However, the faint radiological appearances and unspecific symptoms lead to a high risk of missed diagnosis. In particular, the mild fractures and normal controls are quite difficult to distinguish for deep learning models and inexperienced doctors. In this paper, we argue that reinforcing the faint fracture features to encourage the inter-class separability is the key to improving the accuracy. Motivated by this, we propose a supervised contrastive learning based model to estimate Genent's Grade of vertebral fracture with CT scans. The supervised contrastive learning, as an auxiliary task, narrows the distance of features within the same class while pushing others away, which enhances the model's capability of capturing subtle features of vertebral fractures. Considering the lack of datasets in this field, we construct a database including 208 samples annotated by experienced radiologists. Our method has a specificity of 99\% and a sensitivity of 85\% in binary classification, and a macio-F1 of 77\% in multi-classification, indicating that contrastive learning significantly improves the accuracy of vertebrae fracture screening, especially for the mild fractures and normal controls. Our desensitized data and codes will be made publicly available for the community.
• Abstract（参考訳）: 長期の脊椎骨折は患者の生活の質に深刻な影響を与え、気胸、腰椎変形、さらには麻痺を引き起こす。 CT(Computed tomography)は、この疾患を早期にスクリーニングする一般的な臨床検査である。 しかし, かすかなX線学的所見と特異な症状は, 診断ミスのリスクが高い。 特に、軽度骨折と正常なコントロールは、深層学習モデルと経験不足の医師の区別が極めて困難である。 本稿では, クラス間分離性を高めるために, 破壊特性の強化が, 精度向上の鍵となることを論じる。 そこで本研究では,ctスキャンによる椎体骨折の成績を推定するための教師付きコントラスト学習モデルを提案する。 教師付きコントラスト学習は、補助的なタスクとして、他の人を押し離しながら同じクラス内の特徴の距離を狭め、椎骨骨折の微妙な特徴を捉える能力を高める。 この分野でのデータセットの欠如を考えると、経験豊富な放射線学者による208のサンプルを含むデータベースを構築している。 両分類では99 %,感度85 %,マルチ分類ではマシオF1 77 %と比例し,比較学習は脊椎骨折検診の精度,特に軽度骨折や正常コントロールの精度を著しく向上させることが示された。 脱感化されたデータとコードは、コミュニティ向けに公開されます。

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)
• Expert Uncertainty and Severity Aware Chest X-Ray Classification by Multi-Relationship Graph Learning [48.29204631769816]
  我々はCXRレポートから病気ラベルを再抽出し,重症度と分類の不確実性を考慮し,より現実的になるようにした。 以上の結果から, 疾患の重症度と不確実性を考慮したモデルが, 従来の最先端手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-09-06T19:19:41Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Interpretable Vertebral Fracture Quantification via Anchor-Free Landmarks Localization [0.04925906256430176]
  椎体圧迫骨折は骨粗しょう症の早期徴候である。 3次元CT画像に椎体を局在させる新しい2段階アルゴリズムを提案する。 そして、個々の椎骨を検出し、同時に2Dで骨折を定量化する。
  論文  参考訳（メタデータ） (2022-04-14T08:31:25Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Vision Transformers for femur fracture classification [59.99241204074268]
  Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。 史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
  論文  参考訳（メタデータ） (2021-08-07T10:12:42Z)
• 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)
• Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture Detection [58.984536305767996]
  自動椎骨骨折検出のための表現学習型アプローチを提案する。 本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。 一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
  論文  参考訳（メタデータ） (2020-08-18T10:03:45Z)
• Keypoints Localization for Joint Vertebra Detection and Fracture Severity Quantification [0.04925906256430176]
  椎体圧迫骨折は骨粗しょう症の早期徴候である。 3次元CT画像に椎体を局在させる新しい2段階アルゴリズムを提案する。 我々は同時に個々の椎骨を検出し、2Dで骨折を定量化する。
  論文  参考訳（メタデータ） (2020-05-25T08:05:27Z)

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。