論文の概要: A Deep Registration Method for Accurate Quantification of Joint Space
Narrowing Progression in Rheumatoid Arthritis
- arxiv url: http://arxiv.org/abs/2304.13938v1
- Date: Thu, 27 Apr 2023 03:08:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 14:24:36.636309
- Title: A Deep Registration Method for Accurate Quantification of Joint Space
Narrowing Progression in Rheumatoid Arthritis
- Title（参考訳）: 関節リウマチにおける関節腔狭義化進展の精密定量化のための深部レジストレーション法
- Authors: Haolin Wang, Yafei Ou, Wanxuan Fang, Prasoon Ambalathankandy, Naoto
Goto, Gen Ota, Masayuki Ikebe and Tamotsu Kamishima
- Abstract要約: 慢性関節リウマチ(RA)は慢性自己免疫性炎症性疾患である。
関節間隙短縮(JSN)の進行は,RA進行の重要な指標とされ,引き続き注目されている。
放射線画像における画像登録によるJSN進行の定量化のための新しいフレームワークを開発した。
本研究では, RAの初期におけるJSN進行を自動的に定量化するために, 深部剛性登録網を提案する。
- 参考スコア（独自算出の注目度）: 1.5399759353033091
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Rheumatoid arthritis (RA) is a chronic autoimmune inflammatory disease that
results in progressive articular destruction and severe disability. Joint space
narrowing (JSN) progression has been regarded as an important indicator for RA
progression and has received sustained attention. In the diagnosis and
monitoring of RA, radiology plays a crucial role to monitor joint space. A new
framework for monitoring joint space by quantifying JSN progression through
image registration in radiographic images has been developed. This framework
offers the advantage of high accuracy, however, challenges do exist in reducing
mismatches and improving reliability. In this work, a deep intra-subject rigid
registration network is proposed to automatically quantify JSN progression in
the early stage of RA. In our experiments, the mean-square error of Euclidean
distance between moving and fixed image is 0.0031, standard deviation is 0.0661
mm, and the mismatching rate is 0.48\%. The proposed method has sub-pixel level
accuracy, exceeding manual measurements by far, and is equipped with immune to
noise, rotation, and scaling of joints. Moreover, this work provides loss
visualization, which can aid radiologists and rheumatologists in assessing
quantification reliability, with important implications for possible future
clinical applications. As a result, we are optimistic that this proposed work
will make a significant contribution to the automatic quantification of JSN
progression in RA.
- Abstract（参考訳）: 関節リウマチ(ra)は慢性自己免疫性炎症性疾患であり、進行性関節破壊と重度の障害を引き起こす。
関節間隙短縮(JSN)の進行は,RA進行の重要な指標とされ,引き続き注目されている。
RAの診断とモニタリングにおいて,放射線学は関節腔のモニタリングにおいて重要な役割を担っている。
画像登録によるJSN進行の定量化による関節領域のモニタリングのための新しいフレームワークを開発した。
このフレームワークは高精度の利点を提供するが、ミスマッチの低減と信頼性の向上には課題がある。
本研究では, RAの初期におけるJSN進行を自動的に定量化するために, 深部剛性登録網を提案する。
実験では, 移動画像と固定画像のユークリッド距離の平均2乗誤差は0.0031, 標準偏差は0.0661mm, ミスマッチ率は0.48\%であった。
提案手法は, サブピクセルレベルの精度が高く, 手動測定をはるかに超え, 関節の騒音, 回転, スケーリングに対する免疫性を備えている。
さらに本研究は, 放射線科医やリウマチ医が定量化の信頼性を評価するのに役立つロス・ビジュアライゼーションを提供し, 将来の臨床応用に重要な意味を持つ。
その結果,提案手法がraにおけるjsn進行の自動定量化に多大な貢献をすることを期待した。
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) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳（メタデータ） (2023-12-19T22:40:51Z) - A webcam-based machine learning approach for three-dimensional range of
motion evaluation [5.520419627866446]
関節可動域(ROM)は理学療法において重要な定量的指標である。
この研究は、ウェブカメラを介してリモートでアクセス可能な機械学習ベースのROM評価手法を提示し、評価する。
論文 参考訳（メタデータ） (2023-10-11T09:12:42Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian
Shape Framework [65.19784967388934]
RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。
本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。
実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
論文 参考訳（メタデータ） (2022-06-30T13:04:42Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - A Sub-pixel Accurate Quantification of Joint Space Narrowing Progression
in Rheumatoid Arthritis [0.8314007335803791]
慢性関節リウマチ(RA)は慢性自己免疫疾患であり、末梢性滑膜関節に主に影響を及ぼす。
共同空間狭化(JSN)によるRAの進行は、普遍的な空間分解能を持つ1年に1ピクセル未満である。
本稿では,RAの初期段階におけるJSN進行を自動的に定量化することを目的とした,新規かつ敏感な手法を提案する。
論文 参考訳（メタデータ） (2022-05-19T04:04:45Z) - Coherence Learning using Keypoint-based Pooling Network for Accurately
Assessing Radiographic Knee Osteoarthritis [18.47511520060851]
膝関節症(英語: Knee osteoarthritis, OA)は、世界中の高齢者に影響を及ぼす一般的な変性関節疾患である。
現在臨床症状のある膝OAグレーティングシステムは観察対象であり、レイター間の相違に悩まされている。
本稿では,複合度と微粒度を同時に評価するためのコンピュータ支援型診断手法を提案する。
論文 参考訳（メタデータ） (2021-12-16T19:59:13Z) - 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) - Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale
Deep Convolutional Neural Network [8.950918531231158]
本稿では,KellgrenおよびLawrenceグレードの分類をX線から自動的に評価する,深層学習ベースのフレームワークであるOsteHRNetを提案する。
提案モデルでは,OAIデータセットのベースラインコホートにおいて,71.74%,0.311のMAEが最良である。
論文 参考訳（メタデータ） (2021-06-27T17:29:46Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z)
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。