論文の概要: B-Spine: Learning B-Spline Curve Representation for Robust and
Interpretable Spinal Curvature Estimation
- arxiv url: http://arxiv.org/abs/2310.09603v1
- Date: Sat, 14 Oct 2023 15:34:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 19:32:15.294428
- Title: B-Spine: Learning B-Spline Curve Representation for Robust and
Interpretable Spinal Curvature Estimation
- Title（参考訳）: B-Spine:ロバストおよび解釈可能な脊椎曲率推定のためのB-Spline Curve Representationの学習
- Authors: Hao Wang, Qiang Song, Ruofeng Yin, Rui Ma, Yizhou Yu, Yi Chang
- Abstract要約: 脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。
低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
- 参考スコア（独自算出の注目度）: 50.208310028625284
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Spinal curvature estimation is important to the diagnosis and treatment of
the scoliosis. Existing methods face several issues such as the need of
expensive annotations on the vertebral landmarks and being sensitive to the
image quality. It is challenging to achieve robust estimation and obtain
interpretable results, especially for low-quality images which are blurry and
hazy. In this paper, we propose B-Spine, a novel deep learning pipeline to
learn B-spline curve representation of the spine and estimate the Cobb angles
for spinal curvature estimation from low-quality X-ray images. Given a
low-quality input, a novel SegRefine network which employs the unpaired
image-to-image translation is proposed to generate a high quality spine mask
from the initial segmentation result. Next, a novel mask-based B-spline
prediction model is proposed to predict the B-spline curve for the spine
centerline. Finally, the Cobb angles are estimated by a hybrid approach which
combines the curve slope analysis and a curve-based regression model. We
conduct quantitative and qualitative comparisons with the representative and
SOTA learning-based methods on the public AASCE2019 dataset and our new
proposed CJUH-JLU dataset which contains more challenging low-quality images.
The superior performance on both datasets shows our method can achieve both
robustness and interpretability for spinal curvature estimation.
- Abstract（参考訳）: 脊柱管狭窄の診断と治療には脊柱湾曲率推定が重要である。
既存の方法は、脊椎のランドマークに高価なアノテーションが必要であり、画像の品質に敏感であるなど、いくつかの問題に直面している。
特にぼやけてぼやけている低品質画像に対して、ロバストな推定と解釈可能な結果を得ることは困難である。
本稿では,脊椎のb-スプライン曲線表現を学習し,低画質x線画像から脊椎曲率推定のためのコブ角度を推定する,新しい深層学習パイプラインであるb-spineを提案する。
低品質な入力が与えられた場合、未ペア画像-画像変換を用いた新しいSegRefineネットワークを提案し、初期セグメンテーション結果から高品質なスピンマスクを生成する。
次に,脊椎中心線のb-スプライン曲線を予測するために,新しいマスクベースb-スプライン予測モデルを提案する。
最後に、曲線傾斜解析と曲線に基づく回帰モデルを組み合わせたハイブリッドアプローチによりコブ角を推定する。
我々は、AASCE2019データセットと、より挑戦的な低品質画像を含む新しいCJUH-JLUデータセットにおいて、代表者およびSOTA学習ベースの手法と定量的、質的な比較を行う。
両データセットの優れた性能は,脊髄曲率推定におけるロバスト性と解釈性の両方を実現できることを示す。
関連論文リスト
- Predicting Spine Geometry and Scoliosis from DXA Scans [49.68543422441626]
まず、ニューラルネットワークをトレーニングして、スキャン中のミドルスピン曲線を予測し、次いで積分法を用いて、スピン曲線に沿った曲率を決定する。
最大曲率を評価関数として用いて, 脊椎変形の重症度を推定できることが示唆された。
論文 参考訳（メタデータ） (2023-11-15T22:49:08Z) - Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。
核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。
提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文 参考訳（メタデータ） (2023-01-24T17:54:01Z) - One Sample Diffusion Model in Projection Domain for Low-Dose CT Imaging [10.797632196651731]
低線量CTは臨床応用における放射線リスクの低減に重要な役割を担っている。
ディープラーニングの急速な開発と幅広い応用により、低線量CTイメージングアルゴリズムの開発に向けた新たな方向性がもたらされた。
低用量CT再構成のための投影領域における完全に教師なし1サンプル拡散モデル(OSDM)を提案する。
以上の結果から,OSDMはアーティファクトを低減し,画像品質を維持するための実用的で効果的なモデルであることが証明された。
論文 参考訳（メタデータ） (2022-12-07T13:39:23Z) - Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。
そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-27T18:54:25Z) - Direct Estimation of Spinal Cobb Angles by Structured Multi-Output
Regression [42.67503464183464]
脊髄湾曲率を定量的に評価するコブ角度は、脊柱側膜症の診断および治療において重要な役割を果たします。
脊髄X線からのCobb角の推定を多出力回帰タスクとして定式化する。
本手法は, 高い精度で cobb 角度の直接推定が可能であり, 臨床応用の可能性も示唆する。
論文 参考訳（メタデータ） (2020-12-23T12:33:46Z) - Automated Prostate Cancer Diagnosis Based on Gleason Grading Using
Convolutional Neural Network [12.161266795282915]
そこで本研究では,前立腺癌(PCa)の完全分類のための畳み込みニューラルネットワーク(CNN)を用いた自動分類法を提案する。
Patch-Based Image Reconstruction (PBIR) と呼ばれるデータ拡張手法が提案され,WSIの高分解能化と多様性の向上が図られた。
対象データセットへの事前学習モデルの適応性を高めるために,分布補正モジュールを開発した。
論文 参考訳（メタデータ） (2020-11-29T06:42:08Z) - 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) - 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) - Image Response Regression via Deep Neural Networks [4.646077947295938]
本稿では,空間変動係数モデルの枠組みにおける新しい非パラメトリック手法を提案する。
提案手法の主な考え方は,画像ボクセルを空間的有効サンプルとして扱うことであり,医用画像研究の大部分を悩ませる限られたサンプルサイズの問題を軽減することにある。
本手法の有効性を,集中シミュレーションを用いて実証し,その利点を2つの機能的磁気共鳴イメージングデータセットで分析した。
論文 参考訳（メタデータ） (2020-06-17T14:45:26Z) - SUR-FeatNet: Predicting the Satisfied User Ratio Curvefor Image
Compression with Deep Feature Learning [15.2348952809434]
本研究では,SUR曲線の予測に初となる深層学習手法を提案する。
最適なパラメトリックモデルを選択するために、最大推定法とアンダーソン・ダーリング試験を適用する方法を示す。
私たちのディープラーニングアプローチは、シアムの畳み込みニューラルネットワーク、トランスファーラーニング、ディープフィーチャーラーニングに依存しています。
論文 参考訳（メタデータ） (2020-01-07T12:37:07Z)
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。