論文の概要: Robust vertebra identification using simultaneous node and edge predicting Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2308.02509v1
• Date: Thu, 27 Jul 2023 09:10:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 01:19:15.348742
• Title: Robust vertebra identification using simultaneous node and edge predicting Graph Neural Networks
• Title（参考訳）: 同時ノードとエッジ予測グラフニューラルネットワークを用いたロバスト椎体同定
• Authors: Vincent B\"urgin, Raphael Prevost, Marijn F. Stollenga
• Abstract要約: U-Netで標準的な予測を取り入れた単純なパイプラインを導入し、続いて1つのグラフニューラルネットワークで脊椎を完全な向きで関連付け、分類する。 我々の方法は、正しい体とペダルのランドマークを正確に関連付けることができ、偽陽性を無視し、脊椎を単純で完全に訓練可能なパイプラインで分類することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic vertebra localization and identification in CT scans is important for numerous clinical applications. Much progress has been made on this topic, but it mostly targets positional localization of vertebrae, ignoring their orientation. Additionally, most methods employ heuristics in their pipeline that can be sensitive in real clinical images which tend to contain abnormalities. We introduce a simple pipeline that employs a standard prediction with a U-Net, followed by a single graph neural network to associate and classify vertebrae with full orientation. To test our method, we introduce a new vertebra dataset that also contains pedicle detections that are associated with vertebra bodies, creating a more challenging landmark prediction, association and classification task. Our method is able to accurately associate the correct body and pedicle landmarks, ignore false positives and classify vertebrae in a simple, fully trainable pipeline avoiding application-specific heuristics. We show our method outperforms traditional approaches such as Hungarian Matching and Hidden Markov Models. We also show competitive performance on the standard VerSe challenge body identification task.
• Abstract（参考訳）: CTスキャンにおける脊椎の自動局在と同定は多くの臨床応用において重要である。 この分野では多くの進歩があったが、主に脊椎の位置的位置を目標にしており、方向を無視している。 加えて、ほとんどの方法は、異常を含む傾向がある実際の臨床画像に敏感なパイプラインでヒューリスティックスを用いる。 我々は,u-netと標準予測を併用した単純なパイプラインを導入し,単一のグラフニューラルネットワークを用いて椎骨を全方位に関連付け,分類する。 この方法をテストするために,椎体に関連付けられたペディクル検出を含む新しい椎骨データセットを導入し,より困難なランドマーク予測,関連付け,分類タスクを作成する。 本手法では, 正体と椎骨のランドマークを正確に関連付けることができ, 偽陽性を無視し, 脊椎を単純かつ訓練可能なパイプラインで分類することができる。 本稿では,ハンガリーのマッチングや隠れマルコフモデルなど,従来の手法よりも優れた手法を示す。 また, 標準 verse challenge 体識別タスクにおいて, 競合性能を示す。

関連論文リスト

• Robust Curve Detection in Volumetric Medical Imaging via Attraction Field [0.9265027701416169]
  本稿では, 物体の向き, 形状, 位置に関する事前の知識を必要としない非分岐曲線の検出手法を提案する。 提案手法は,(1)サブピクセル精度を提供するアトラクション場,(2)関心領域を制限し,所望の曲線から外れたアウトリーチを本質的に排除するクローズネスマップをニューラルネットワークで予測する。 各種形態の異なるいくつかの臨床的タスクに対して曲線検出器を試験し,既存の手法を超越した印象的なサブピクセルレベルの精度を達成し,その汎用性と堅牢性を強調した。
  論文  参考訳（メタデータ） (2024-08-02T10:21:10Z)
• SpineCLUE: Automatic Vertebrae Identification Using Contrastive Learning and Uncertainty Estimation [12.427024671144869]
  脊椎疾患の診断において、任意の視野における動詞の同定が重要な役割を担っている。 スピンレベルの既存の方法は、この課題を満たすことができません。 椎骨レベルでの3次元CT椎骨識別の課題に対処する3段階法を提案する。
  論文  参考訳（メタデータ） (2024-01-14T12:02:39Z)
• 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)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• A Two-stream Convolutional Network for Musculoskeletal and Neurological Disorders Prediction [14.003588854239544]
  筋骨格障害や神経疾患は高齢者の歩行障害の最も一般的な原因である。 近年のディープラーニングに基づく手法は、自動分析に有望な結果を示している。
  論文  参考訳（メタデータ） (2022-08-18T14:32:16Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Facial Anatomical Landmark Detection using Regularized Transfer Learning with Application to Fetal Alcohol Syndrome Recognition [24.27777060287004]
  出生前アルコール曝露による胎児アルコール症候群(FAS)は、一連の頭蓋顔面異常を引き起こす可能性がある。 解剖学的ランドマーク検出は,FAS関連顔面異常の検出に重要である。 自然画像における顔のランドマーク検出のために設計された現在のディープラーニングに基づく熱マップ回帰法は、大きなデータセットが利用できることを前提としている。 我々は,大規模な顔認識データセットから学習したネットワークの知識を活用する,新たな正規化トランスファー学習手法を開発した。
  論文  参考訳（メタデータ） (2021-09-12T11:05:06Z)
• Domain Generalization for Medical Imaging Classification with Linear-Dependency Regularization [59.5104563755095]
  本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。 医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
  論文  参考訳（メタデータ） (2020-09-27T12:30:30Z)
• Context-Aware Refinement Network Incorporating Structural Connectivity Prior for Brain Midline Delineation [50.868845400939314]
  UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。 正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。 提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
  論文  参考訳（メタデータ） (2020-07-10T14:01:20Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)
• Residual Block-based Multi-Label Classification and Localization Network with Integral Regression for Vertebrae Labeling [4.867669606257232]
  既存の方法は、主に複数のニューラルネットワークの統合に基づいており、そのほとんどは、ガウス熱マップを用いて椎骨のセンチロイドを探索している。 本研究では,CTスキャンにおける脊椎座標のエンドツーエンド差分訓練について,頑健かつ高精度な自動椎体ラベル付けアルゴリズムを提案する。 提案手法は挑戦的なデータセット上で評価され,その結果は最先端の手法よりもはるかに優れている。
  論文  参考訳（メタデータ） (2020-01-01T09:16:10Z)

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。