論文の概要: MSKdeX: Musculoskeletal (MSK) decomposition from an X-ray image for
fine-grained estimation of lean muscle mass and muscle volume
- arxiv url: http://arxiv.org/abs/2305.19920v2
- Date: Fri, 21 Jul 2023 11:27:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-24 15:51:01.240732
- Title: MSKdeX: Musculoskeletal (MSK) decomposition from an X-ray image for
fine-grained estimation of lean muscle mass and muscle volume
- Title（参考訳）: MSKdeX:筋骨格(MSK)のX線像からの分解による筋量および筋容積の微粒化評価
- Authors: Yi Gu, Yoshito Otake, Keisuke Uemura, Masaki Takao, Mazen Soufi, Yuta
Hiasa, Hugues Talbot, Seiji Okata, Nobuhiko Sugano, Yoshinobu Sato
- Abstract要約: サルコペン症や骨粗しょう症などの筋骨格疾患は、加齢に伴う健康にとって大きな障害である。
そこで本研究では,原X線像,低コスト,低放射能,高アクセス性画像モダリティから微細な筋肉特性を推定する手法を提案する。
- 参考スコア（独自算出の注目度）: 5.1294076116231455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Musculoskeletal diseases such as sarcopenia and osteoporosis are major
obstacles to health during aging. Although dual-energy X-ray absorptiometry
(DXA) and computed tomography (CT) can be used to evaluate musculoskeletal
conditions, frequent monitoring is difficult due to the cost and accessibility
(as well as high radiation exposure in the case of CT). We propose a method
(named MSKdeX) to estimate fine-grained muscle properties from a plain X-ray
image, a low-cost, low-radiation, and highly accessible imaging modality,
through musculoskeletal decomposition leveraging fine-grained segmentation in
CT. We train a multi-channel quantitative image translation model to decompose
an X-ray image into projections of CT of individual muscles to infer the lean
muscle mass and muscle volume. We propose the object-wise intensity-sum loss, a
simple yet surprisingly effective metric invariant to muscle deformation and
projection direction, utilizing information in CT and X-ray images collected
from the same patient. While our method is basically an unpaired image-to-image
translation, we also exploit the nature of the bone's rigidity, which provides
the paired data through 2D-3D rigid registration, adding strong pixel-wise
supervision in unpaired training. Through the evaluation using a 539-patient
dataset, we showed that the proposed method significantly outperformed
conventional methods. The average Pearson correlation coefficient between the
predicted and CT-derived ground truth metrics was increased from 0.460 to
0.863. We believe our method opened up a new musculoskeletal diagnosis method
and has the potential to be extended to broader applications in multi-channel
quantitative image translation tasks. Our source code will be released soon.
- Abstract（参考訳）: サルコペンタニアやオステオポローシスなどの筋骨格疾患は加齢に伴う健康への大きな障害である。
dxa (d-energy x-ray absorptiometry) とct (ct) は筋骨格状態の評価に使用できるが、コストやアクセシビリティ(ctでは高放射線曝露)のため、頻繁な監視は困難である。
我々は,ctの細粒化を利用した筋骨格の分解を通じて,単純x線画像,低コスト,低放射能,高可視性から細粒度の筋特性を推定する手法(mskdex)を提案する。
本研究では,マルチチャネル定量的画像変換モデルを訓練し,x線像を個々の筋のct像に分解し,筋量と筋容積を推定する。
本研究は,同じ患者から収集したct画像とx線画像の情報を活用し,筋変形と投射方向に対する単純かつ驚くほど有効な測定値である物体方向強度-サム損失を提案する。
本手法は基本的に不対画像変換であるが, 骨の剛性も活用し, 2次元3次元剛性登録によるデータ提供を行い, アンペアトレーニングにおける画素単位の強い監督を行う。
539例の患者データを用いた評価により,提案法が従来の方法を大きく上回ることを示した。
予測値とct由来の基底真理指標の平均ピアソン相関係数は0.460から0.863に増加した。
本手法は,新しい筋骨格診断法を開拓し,多チャンネル定量的画像翻訳タスクに広く応用できる可能性が示唆された。
ソースコードはもうすぐリリースされます。
関連論文リスト
- BS-Diff: Effective Bone Suppression Using Conditional Diffusion Models
from Chest X-Ray Images [21.19843479423806]
胸部X線(CXR)は肺検診の低用量モダリティとして一般的に用いられる。
肺領域の約75%は骨と重なり、疾患の検出と診断を妨げている。
骨抑制技術が導入されたが、現在の病院の二重エネルギーサブトラクションイメージング技術は、高価な機器と高放射線にさらされる被検体を必要としている。
本稿では,U-Netアーキテクチャを備えた条件拡散モデルと,オートエンコーダを組み込むシンプルな拡張モジュールを備える骨抑制フレームワークBS-Diffを提案する。
論文 参考訳（メタデータ） (2023-11-26T15:13:13Z) - UMedNeRF: Uncertainty-aware Single View Volumetric Rendering for Medical
Neural Radiance Fields [38.62191342903111]
生成した放射場に基づく不確実性を考慮したMedNeRF(UMedNeRF)ネットワークを提案する。
我々は,CTプロジェクションレンダリングの結果を1つのX線で示し,生成した放射場に基づく他の手法との比較を行った。
論文 参考訳（メタデータ） (2023-11-10T02:47:15Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳（メタデータ） (2023-08-03T21:56:50Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳（メタデータ） (2023-07-02T05:26:54Z) - BMD-GAN: Bone mineral density estimation using x-ray image decomposition
into projections of bone-segmented quantitative computed tomography using
hierarchical learning [1.8762753243053634]
そこで本研究では,QCTを用いて生成的対位ネットワーク(GAN)を訓練し,X線画像を骨分節QCTの投影に分解する手法を提案する。
変形性膝関節症患者200名を対象に, 予測真理と地上真理のピアソン相関係数が0.888であった。
論文 参考訳（メタデータ） (2022-07-07T10:33:12Z) - Weakly-supervised Biomechanically-constrained CT/MRI Registration of the
Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。
また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。
以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文 参考訳（メタデータ） (2022-05-16T10:59:55Z) - Fast and Robust Femur Segmentation from Computed Tomography Images for
Patient-Specific Hip Fracture Risk Screening [48.46841573872642]
我々は,CTから大腿骨近位部を完全自動化し,正確かつ高速に分割するディープニューラルネットワークを提案する。
本手法は, 股関節骨折リスクスクリーニングに適応し, 当科において, 股関節脱臼患者をスクリーニングするための臨床的選択肢に一歩近づいた。
論文 参考訳（メタデータ） (2022-04-20T16:16:16Z) - Breast Cancer Induced Bone Osteolysis Prediction Using Temporal
Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。
乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文 参考訳（メタデータ） (2022-03-20T21:00:10Z) - Semi-Supervised Learning for Bone Mineral Density Estimation in Hip
X-ray Images [19.17169803995019]
骨密度は骨粗しょう症の臨床的に重要な指標です。
DEXAの機械および検査の限られたアクセス性のために、骨粗しょう症は頻繁に診断され、未処理です。
論文 参考訳（メタデータ） (2021-03-24T20:59:54Z) - 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) - 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。