論文の概要: Bone mineral density estimation from a plain X-ray image by learning decomposition into projections of bone-segmented computed tomography

• arxiv url: http://arxiv.org/abs/2307.11513v1
• Date: Fri, 21 Jul 2023 11:49:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-24 12:43:05.827386
• Title: Bone mineral density estimation from a plain X-ray image by learning decomposition into projections of bone-segmented computed tomography
• Title（参考訳）: 骨分離CTの投影への分解過程の学習による原X線画像からの骨密度推定
• Authors: Yi Gu, Yoshito Otake, Keisuke Uemura, Mazen Soufi, Masaki Takao, Hugues Talbot, Seiji Okada, Nobuhiko Sugano, Yoshinobu Sato
• Abstract要約: 骨粗しょう症(英: osteoporosis)は、脆弱な骨の骨折を引き起こす骨疾患であり、日常生活活動の低下につながる。 骨の健康、低コスト、低用量、ユビキタスに利用可能な診断方法を頻繁に監視するためには、非常に期待されている。 本研究の目的は, 骨密度を原X線画像から推定し, 骨密度を計測することである。
• 参考スコア（独自算出の注目度）: 4.872603360039571
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Osteoporosis is a prevalent bone disease that causes fractures in fragile bones, leading to a decline in daily living activities. Dual-energy X-ray absorptiometry (DXA) and quantitative computed tomography (QCT) are highly accurate for diagnosing osteoporosis; however, these modalities require special equipment and scan protocols. To frequently monitor bone health, low-cost, low-dose, and ubiquitously available diagnostic methods are highly anticipated. In this study, we aim to perform bone mineral density (BMD) estimation from a plain X-ray image for opportunistic screening, which is potentially useful for early diagnosis. Existing methods have used multi-stage approaches consisting of extraction of the region of interest and simple regression to estimate BMD, which require a large amount of training data. Therefore, we propose an efficient method that learns decomposition into projections of bone-segmented QCT for BMD estimation under limited datasets. The proposed method achieved high accuracy in BMD estimation, where Pearson correlation coefficients of 0.880 and 0.920 were observed for DXA-measured BMD and QCT-measured BMD estimation tasks, respectively, and the root mean square of the coefficient of variation values were 3.27 to 3.79% for four measurements with different poses. Furthermore, we conducted extensive validation experiments, including multi-pose, uncalibrated-CT, and compression experiments toward actual application in routine clinical practice.
• Abstract（参考訳）: 骨粗しょう症(英: osteoporosis)は、脆弱な骨の骨折を引き起こす骨疾患であり、日常生活活動の低下につながる。 DXA (Dual-Energy X-ray absorptiometry) とQCT (Quantical Computed Tomography) は骨粗しょう症の診断に極めて正確であるが, 特殊な装置とスキャンプロトコルが必要である。 骨の健康状態を頻繁に監視するため、低コスト、低用量、ユビキタスに利用可能な診断方法が期待されている。 本研究では, 骨密度(bmd)を簡易x線画像から推定し, 早期診断に有用である日和見スクリーニングを行うことを目的としている。 既存の手法では、関心領域の抽出と、大量のトレーニングデータを必要とするbmdの推定に簡単な回帰を含む多段階アプローチを採用している。 そこで本研究では,bmd推定のための骨セグメントqctの投射への分解を,限られたデータセットで学習する効率的な手法を提案する。 提案手法は, DXA測定BMDおよびQCT測定BMD推定タスクにおいてピアソン相関係数0.880, 0.920のPearson相関係数をそれぞれ観測し, 変動係数の根平均正方形が3.27から3.79%であった。 さらに,日常的な臨床応用に向けて,マルチポジション,uncalibrated-ct,圧縮実験などの広範囲な検証実験を行った。

関連論文リスト

• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• 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)
• 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)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Lumbar Bone Mineral Density Estimation from Chest X-ray Images: Anatomy-aware Attentive Multi-ROI Modeling [23.014342480592873]
  骨粗しょう症は慢性代謝性骨疾患であり、骨密度検査へのアクセスが制限されているため、診断が不十分で治療が不十分であることが多い。 本稿では,Chest X-ray(CXR)からBMDを予測する手法を提案する。
  論文  参考訳（メタデータ） (2022-01-05T22:03:32Z)
• Opportunistic Screening of Osteoporosis Using Plain Film Chest X-ray [23.41545684473636]
  骨粗しょう症は、骨密度検査へのアクセスが限られているため、しばしば診断され、治療されていない慢性代謝骨疾患です。 本論文では、最も一般的で、アクセス可能で、低コストの医療画像検査の1つである胸部X線(CXR)からBMDを予測する方法を提案する。
  論文  参考訳（メタデータ） (2021-04-05T01:25:23Z)
• 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)
• 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)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• Introducing Anisotropic Minkowski Functionals for Local Structure Analysis and Prediction of Biomechanical Strength of Proximal Femur Specimens [0.0]
  骨粗しょう症や外傷による骨の脆さや骨折は、50歳以上の成人に多く見られ、生活の質を低下させる。 本研究では,MDCT画像から大腿骨近位部標本の骨強度を推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-04-02T14:33:03Z)

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。