論文の概要: Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral
Fracture Grading
- arxiv url: http://arxiv.org/abs/2303.12031v1
- Date: Tue, 21 Mar 2023 17:16:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-22 14:03:58.869820
- Title: Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral
Fracture Grading
- Title(参考訳): 椎体骨折格付けのための拡散オートエンコーダの意味的潜在空間回帰
- Authors: Matthias Keicher, Matan Atad, David Schinz, Alexandra S. Gersing,
Sarah C. Foreman, Sophia S. Goller, Juergen Weissinger, Jon Rischewski,
Anna-Sophia Dietrich, Benedikt Wiestler, Jan S. Kirschke, Nassir Navab
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 72.45699658852304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vertebral fractures are a consequence of osteoporosis, with significant
health implications for affected patients. Unfortunately, grading their
severity using CT exams is hard and subjective, motivating automated grading
methods. However, current approaches are hindered by imbalance and scarcity of
data and a lack of interpretability. To address these challenges, this paper
proposes a novel approach that leverages unlabelled data to train a generative
Diffusion Autoencoder (DAE) model as an unsupervised feature extractor. We
model fracture grading as a continuous regression, which is more reflective of
the smooth progression of fractures. Specifically, we use a binary, supervised
fracture classifier to construct a hyperplane in the DAE's latent space. We
then regress the severity of the fracture as a function of the distance to this
hyperplane, calibrating the results to the Genant scale. Importantly, the
generative nature of our method allows us to visualize different grades of a
given vertebra, providing interpretability and insight into the features that
contribute to automated grading.
- Abstract(参考訳): 椎骨骨折は骨粗しょう症の結果であり, 疾患患者に有意な健康上の影響がある。
残念ながら、CT検査による重症度評価は難しく、主観的であり、自動階調法を動機付けている。
しかし、現在のアプローチはデータの不均衡と不足、解釈可能性の欠如によって妨げられている。
そこで本稿では,未ラベルデータを用いて生成拡散オートエンコーダ(dae)モデルを教師なし特徴抽出器として学習する手法を提案する。
フラクチャーグレーティングを連続回帰としてモデル化し, フラクチャーの滑らかな進展をより反映する。
具体的には、DAEの潜伏空間に超平面を構築するために、二元的教師付きフラクチャー分類器を用いる。
そして、この超平面までの距離の関数として骨折の重症度を後退させ、その結果をジェネナントスケールに調整する。
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,自動階調に寄与する特徴を解釈し,洞察することを可能にする。
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) - Semi-Supervised Deep Regression with Uncertainty Consistency and
Variational Model Ensembling via Bayesian Neural Networks [31.67508478764597]
我々は,半教師付き回帰,すなわち不確実連続変分モデル組立(UCVME)に対する新しいアプローチを提案する。
整合性損失は不確実性評価を著しく改善し,不整合回帰の下では,高品質な擬似ラベルをより重要視することができる。
実験の結果,本手法は様々なタスクにおける最先端の代替手段よりも優れており,フルラベルを用いた教師付き手法と競合する可能性が示唆された。
論文 参考訳(メタデータ) (2023-02-15T10:40:51Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z) - Incoporating Weighted Board Learning System for Accurate Occupational
Pneumoconiosis Staging [2.6279558928497218]
職業性肺気腫症 (OP) の進行は, 患者の肺の健康に関する重要な課題である。
患者のステージング結果は、ステージング標準と胸部X線に依存している。
OPデータの分布は一般に不均衡であり、分類モデルの影響を大幅に減少させる。
論文 参考訳(メタデータ) (2022-08-13T09:31:25Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - An Interpretable Approach to Automated Severity Scoring in Pelvic Trauma [3.762671763237911]
骨盤輪の破壊は鈍的外傷機構によって引き起こされ、多系統外傷患者にしばしば見られる。
全身CTによる骨盤骨折の重症度評価にはTile AO/OTA分類が多用されている。
本稿では, 骨盤外傷の自動診断支援システムについて紹介する。
論文 参考訳(メタデータ) (2021-05-21T09:52:33Z) - 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) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z)
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。