論文の概要: Automatic diagnosis of knee osteoarthritis severity using Swin
transformer
- arxiv url: http://arxiv.org/abs/2307.04442v1
- Date: Mon, 10 Jul 2023 09:49:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-11 13:44:33.510549
- Title: Automatic diagnosis of knee osteoarthritis severity using Swin
transformer
- Title(参考訳): swin transformer を用いた変形性膝関節症の自動診断
- Authors: Aymen Sekhri, Marouane Tliba, Mohamed Amine Kerkouri, Yassine Nasser,
Aladine Chetouani, Alessandro Bruno, Rachid Jennane,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 55.01037422579516
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Knee osteoarthritis (KOA) is a widespread condition that can cause chronic
pain and stiffness in the knee joint. Early detection and diagnosis are crucial
for successful clinical intervention and management to prevent severe
complications, such as loss of mobility. In this paper, we propose an automated
approach that employs the Swin Transformer to predict the severity of KOA. Our
model uses publicly available radiographic datasets with Kellgren and Lawrence
scores to enable early detection and severity assessment. To improve the
accuracy of our model, we employ a multi-prediction head architecture that
utilizes multi-layer perceptron classifiers. Additionally, we introduce a novel
training approach that reduces the data drift between multiple datasets to
ensure the generalization ability of the model. The results of our experiments
demonstrate the effectiveness and feasibility of our approach in predicting KOA
severity accurately.
- Abstract(参考訳): 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。
早期発見と診断は, 移動障害などの重篤な合併症を予防するために, 臨床介入および管理に不可欠である。
本稿では,Swin Transformer を用いて KOA の重症度を予測する自動手法を提案する。
本モデルでは,kellgrenとlawrenceスコアを用いて,早期検出と重症度評価を行う。
モデルの精度を向上させるために,多層パーセプトロン分類器を用いたマルチ予測ヘッドアーキテクチャを採用している。
さらに,複数のデータセット間のデータドリフトを低減し,モデルの一般化能力を確保する新しいトレーニング手法を提案する。
実験の結果,KOAの重症度を正確に予測する手法の有効性と妥当性が示された。
関連論文リスト
- Identity-Consistent Diffusion Network for Grading Knee Osteoarthritis Progression in Radiographic Imaging [22.005283322766832]
変形性膝関節症(KOA)は、身体障害を引き起こす関節炎の一般的な形態である。
KOAの重症度と進行度を自動的に評価するコンピュータ支援技術は、KOA治療と疾患管理に大きな効果がある。
本研究では, IC-RDN(Identity-Consistent Radiographic Diffusion Network)という新しい生成モデルを提案する。
論文 参考訳(メタデータ) (2024-07-31T07:12:06Z) - Adaptive Variance Thresholding: A Novel Approach to Improve Existing
Deep Transfer Vision Models and Advance Automatic Knee-Joint Osteoarthritis
Classification [0.11249583407496219]
Knee-Joint型変形性関節症(KOA)は、世界的な障害の原因であり、診断に本質的に複雑である。
1つの有望な分類経路は、ディープラーニングの手法を適用することである。
本研究は,学習後特殊分類器を改善するための新しいパラダイムを提案する。
論文 参考訳(メタデータ) (2023-11-10T00:17:07Z) - Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis [8.193689534916988]
膝関節症 (KOA) は筋骨格障害の1つで、運動量や生活の質に深刻な影響を及ぼす。
我々は,KL-0およびKL-2ステージの識別に焦点をあてた,早期のKOA検出のための信頼性駆動型ディープラーニングフレームワークを提案する。
実験により,提案フレームワークは専門家の放射線学者に匹敵する,競争精度,感度,特異性を達成できることが示された。
論文 参考訳(メタデータ) (2023-03-23T11:57:50Z) - 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) - Key-Exchange Convolutional Auto-Encoder for Data Augmentation in Early Knee Osteoarthritis Detection [8.193689534916988]
Key-Exchange Convolutional Auto-Encoder (KECAE)は、初期のKOA分類のためのAIベースのデータ拡張戦略である。
我々のモデルは、合成画像を生成する新しいキー交換機構を備えた畳み込みオートエンコーダを用いる。
実験結果から,KECAEが生成したデータはKOA分類モデルの性能を大幅に向上することが示された。
論文 参考訳(メタデータ) (2023-02-26T15:45:19Z) - 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) - 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) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳(メタデータ) (2020-10-22T02:28:11Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳(メタデータ) (2020-05-10T01:45:03Z) - Self-Training with Improved Regularization for Sample-Efficient Chest
X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。
その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文 参考訳(メタデータ) (2020-05-03T02:36:00Z)
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。