論文の概要: 'Aariz: A Benchmark Dataset for Automatic Cephalometric Landmark
Detection and CVM Stage Classification
- arxiv url: http://arxiv.org/abs/2302.07797v1
- Date: Wed, 15 Feb 2023 17:31:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-16 14:21:36.105896
- Title: 'Aariz: A Benchmark Dataset for Automatic Cephalometric Landmark
Detection and CVM Stage Classification
- Title（参考訳）: Aariz: 自動ケパロメトリランドマーク検出とCVMステージ分類のためのベンチマークデータセット
- Authors: Muhammad Anwaar Khalid, Kanwal Zulfiqar, Ulfat Bashir, Areeba Shaheen,
Rida Iqbal, Zarnab Rizwan, Ghina Rizwan, Muhammad Moazam Fraz
- Abstract要約: このデータセットは、解像度の異なる7つの異なるX線画像装置から得られた1000個の側方脳波ラジオグラフィー(LCR)を含む。
私たちのチームの臨床専門家は、各X線写真に29の頭蓋計測のランドマークを細心の注意で注釈付けしました。
このデータセットは、矯正治療などに使われる信頼性の高い自動ランドマーク検出フレームワークの開発に役立ちます。
- 参考スコア（独自算出の注目度）: 0.402058998065435
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The accurate identification and precise localization of cephalometric
landmarks enable the classification and quantification of anatomical
abnormalities. The traditional way of marking cephalometric landmarks on
lateral cephalograms is a monotonous and time-consuming job. Endeavours to
develop automated landmark detection systems have persistently been made,
however, they are inadequate for orthodontic applications due to unavailability
of a reliable dataset. We proposed a new state-of-the-art dataset to facilitate
the development of robust AI solutions for quantitative morphometric analysis.
The dataset includes 1000 lateral cephalometric radiographs (LCRs) obtained
from 7 different radiographic imaging devices with varying resolutions, making
it the most diverse and comprehensive cephalometric dataset to date. The
clinical experts of our team meticulously annotated each radiograph with 29
cephalometric landmarks, including the most significant soft tissue landmarks
ever marked in any publicly available dataset. Additionally, our experts also
labelled the cervical vertebral maturation (CVM) stage of the patient in a
radiograph, making this dataset the first standard resource for CVM
classification. We believe that this dataset will be instrumental in the
development of reliable automated landmark detection frameworks for use in
orthodontics and beyond.
- Abstract（参考訳）: 脳波ランドマークの正確な同定と正確な位置決定は、解剖学的異常の分類と定量化を可能にする。
側面脳波で頭蓋計測のランドマークをマークする伝統的な方法は、単調で時間を要する仕事である。
自動ランドマーク検出システムの開発への取り組みは絶え間なく行われているが、信頼性のあるデータセットが利用できないため、矯正的応用には不十分である。
我々は、定量的形態計測分析のための堅牢なAIソリューションの開発を容易にする新しい最先端データセットを提案した。
データセットには、解像度の異なる7つの異なるX線画像装置から得られた1000個の側方X線写真(LCR)が含まれている。
私たちのチームの臨床専門家は、各X線写真に29の頭蓋計測のランドマークを細心の注意で注釈付けしました。
また,X線写真では頸部椎体成熟期(CVM)と診断し,このデータセットがCVM分類の標準基準となった。
このデータセットは、矯正治療などに用いられる信頼性の高い自動ランドマーク検出フレームワークの開発に役立ちます。
関連論文リスト
- Unsupervised Machine Learning for Osteoporosis Diagnosis Using Singh Index Clustering on Hip Radiographs [0.0]
Singh Index (SI) は単純で半定量的な骨粗しょう症の診断方法である。
本研究は, 機械学習アルゴリズムを用いて, ラジオグラフからのSI識別を自動化することを目的とする。
論文 参考訳（メタデータ） (2024-11-22T08:44:43Z) - ISLES 2024: The first longitudinal multimodal multi-center real-world dataset in (sub-)acute stroke [2.7919032539697444]
ストロークは世界的死亡率と死亡率の主要な原因であり、社会経済的重荷を負っている。
脳卒中画像から有意義で再現可能な脳機能のモデルを抽出できる機械学習アルゴリズムを開発する。
このデータセットは, 血管造影と灌流による急性CT像, 2～9日間の経過観察, 急性期, 慢性期の臨床データなど, 経時的脳梗塞の包括的データとして初めて提供された。
論文 参考訳（メタデータ） (2024-08-20T18:59:52Z) - Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。
ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。
本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T15:04:42Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - CEPHA29: Automatic Cephalometric Landmark Detection Challenge 2023 [0.402058998065435]
我々は,CEPHA29自動ケパロメトリランドマーク検出チャレンジを組織する。
我々は、1000個の頭蓋X線画像からなる、最も広く公開されているデータセットを提供する。
われわれの挑戦が、この分野の新しい時代の始まりを告げてくれることを期待している」と述べた。
論文 参考訳（メタデータ） (2022-12-09T12:25:58Z) - 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) - Facial Anatomical Landmark Detection using Regularized Transfer Learning
with Application to Fetal Alcohol Syndrome Recognition [24.27777060287004]
出生前アルコール曝露による胎児アルコール症候群(FAS)は、一連の頭蓋顔面異常を引き起こす可能性がある。
解剖学的ランドマーク検出は,FAS関連顔面異常の検出に重要である。
自然画像における顔のランドマーク検出のために設計された現在のディープラーニングに基づく熱マップ回帰法は、大きなデータセットが利用できることを前提としている。
我々は,大規模な顔認識データセットから学習したネットワークの知識を活用する,新たな正規化トランスファー学習手法を開発した。
論文 参考訳（メタデータ） (2021-09-12T11:05:06Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z)
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。