論文の概要: Towards Automatic Scoring of Spinal X-ray for Ankylosing Spondylitis
- arxiv url: http://arxiv.org/abs/2308.05123v1
- Date: Tue, 8 Aug 2023 19:59:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-11 14:47:47.032353
- Title: Towards Automatic Scoring of Spinal X-ray for Ankylosing Spondylitis
- Title（参考訳）: ankylosing spondylitis に対する脊椎x線自動スコアリングの試み
- Authors: Yuanhan Mo and Yao Chen and Aimee Readie and Gregory Ligozio and
Thibaud Coroller and Bart{\l}omiej W. Papie\.z
- Abstract要約: 脊椎X線画像におけるStoke Ankylosing Spondylitis Spinal Score (mSASSS) による構造変化を手作業で評価することは、費用と時間を要する。
脊髄X線画像における頚椎・腰椎椎体(VUs)のmSASSSスコアを自動的に予測する2段階自動階調パイプラインVertXGradeNetを提案する。
- 参考スコア（独自算出の注目度）: 4.310687588548587
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Manually grading structural changes with the modified Stoke Ankylosing
Spondylitis Spinal Score (mSASSS) on spinal X-ray imaging is costly and
time-consuming due to bone shape complexity and image quality variations. In
this study, we address this challenge by prototyping a 2-step auto-grading
pipeline, called VertXGradeNet, to automatically predict mSASSS scores for the
cervical and lumbar vertebral units (VUs) in X-ray spinal imaging. The
VertXGradeNet utilizes VUs generated by our previously developed VU extraction
pipeline (VertXNet) as input and predicts mSASSS based on those VUs.
VertXGradeNet was evaluated on an in-house dataset of lateral cervical and
lumbar X-ray images for axial spondylarthritis patients. Our results show that
VertXGradeNet can predict the mSASSS score for each VU when the data is limited
in quantity and imbalanced. Overall, it can achieve a balanced accuracy of 0.56
and 0.51 for 4 different mSASSS scores (i.e., a score of 0, 1, 2, 3) on two
test datasets. The accuracy of the presented method shows the potential to
streamline the spinal radiograph readings and therefore reduce the cost of
future clinical trials.
- Abstract（参考訳）: 脊椎X線画像におけるStoke Ankylosing Spondylitis Spinal Score (mSASSS) の適応による構造変化は, 骨形状の複雑さと画像品質の変化により, コストと時間を要する。
本研究では,x線脊椎イメージングにおいて,頚椎・腰椎ユニット(vus)のmsasssスコアを自動予測するために,vertxgradenetと呼ばれる2段階の自動グレーディングパイプラインを試作することで,この課題に対処した。
VertXGradeNetは、以前開発したVU抽出パイプライン(VertXNet)によって生成されたVUを入力として使用し、それらのVUに基づいてmSASSSを予測する。
vertxgradenet は軸椎変形性関節症患者の頚椎外側x線および腰椎x線画像の社内データセットで評価した。
以上の結果から,VertXGradeNetは,データ量に制限のある場合,各VUのmSASSSスコアを予測できることがわかった。
全体として、4つの異なるmSASSSスコア(すなわち、2つのテストデータセットで0, 1, 2, 3)に対して0.56と0.51のバランスの取れた精度を達成することができる。
この方法の精度は, 脊髄x線読影の合理化の可能性を示し, 今後の臨床試験の費用削減に寄与する。
関連論文リスト
- DeepVox and SAVE-CT: a contrast- and dose-independent 3D deep learning
approach for thoracic aorta segmentation and aneurysm prediction using
computed tomography scans [2.3135717943756307]
胸部大動脈瘤(英: Thoracic aortic aneurysm,TAA)は、大動脈の進行拡大による解離や破裂を引き起こす致命的な疾患である。
その他の指標は、このスクリーニングに役立つが、コントラスト増強や低用量プロトコールを伴わずに取得すれば、臨床評価が困難になる可能性がある。
本研究は, 対照群とTAA患者を含む587種類のCTスキャンを, コントラスト増強の有無にかかわらず低線量および標準線量プロトコールで取得した。
新たなセグメンテーションモデルであるDeepVoxは,開発およびテストセットに対してそれぞれ0.932と0.897のダイススコア係数を示した。
論文 参考訳（メタデータ） (2023-10-23T19:48:58Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - VertXNet: An Ensemble Method for Vertebrae Segmentation and
Identification of Spinal X-Ray [3.7139410609392933]
VertXNetは脊椎X線画像に脊椎を自動的に分類しラベル付けするためのアンサンブルパイプラインである。
2つの最先端(SOTA)セグメンテーションモデル(特にU-NetとMask R-CNN)を組み合わせることで、X線脊椎画像における脊椎の自動セグメンテーションとラベル付けを行う。
提案したパイプラインを3つの脊髄X線データセット(内部2点,公開1点)で評価し,放射線医が注釈した椎骨との比較を行った。
論文 参考訳（メタデータ） (2023-02-07T14:01:32Z) - Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule
Augmentation and Detection [52.93342510469636]
肺癌早期検診では胸部X線像の肺結節検出が一般的である。
ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。
このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
論文 参考訳（メタデータ） (2022-07-19T16:38:48Z) - SpineNetV2: Automated Detection, Labelling and Radiological Grading Of
Clinical MR Scans [70.04389979779195]
SpineNetV2は、臨床脊髄磁気共鳴(MR)スキャンで脊椎を検知し、ラベル付けする自動化ツールである。
また、T2強調スキャンで腰椎椎間板のX線学的グレーディングを行い、様々な一般的な変性変化を観察する。
論文 参考訳（メタデータ） (2022-05-03T15:05:58Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - Study of Different Deep Learning Approach with Explainable AI for
Screening Patients with COVID-19 Symptoms: Using CT Scan and Chest X-ray
Image Dataset [1.4680035572775532]
新型コロナウイルスの感染拡大で、米国だけでもこれまでに10万人以上の死者が出た。
患者数の増加に伴い、利用可能なテストキットでテストを実施するのが難しくなっている。
本研究の目的は、CTスキャンと胸部X線画像データセットの両方において、より正確な精度で新型コロナウイルス患者を検出できるディープラーニングベースのモデルを開発することである。
論文 参考訳（メタデータ） (2020-07-24T13:51:58Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - A Deep Convolutional Neural Network for COVID-19 Detection Using Chest
X-Rays [2.2843885788439797]
我々は,Dense Convolutional Networksに基づく画像分類器を提案し,胸部X線像を新型コロナウイルス,肺炎,正常の3つのラベルで分類する移行学習を行った。
テストデータセットで100%のテスト精度に到達することができました。
論文 参考訳（メタデータ） (2020-04-30T13:20:42Z) - Handling Missing MRI Input Data in Deep Learning Segmentation of Brain
Metastases: A Multi-Center Study [1.4463443378902883]
深層学習に基づくDropOutと呼ばれる脳転移の自動セグメンテーションのためのセグメンテーションモデルが、マルチシーケンスMRIで訓練された。
セグメンテーションの結果は、最先端のDeepLabV3モデルの性能と比較された。
DropOutモデルはDeepLabV3モデルに比べてかなり高いスコアを示した。
論文 参考訳（メタデータ） (2019-12-27T02:49:45Z)
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。