論文の概要: Intelligent Cervical Spine Fracture Detection Using Deep Learning Methods

• arxiv url: http://arxiv.org/abs/2311.05708v1
• Date: Thu, 9 Nov 2023 19:34:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-13 16:48:39.422441
• Title: Intelligent Cervical Spine Fracture Detection Using Deep Learning Methods
• Title（参考訳）: 深層学習法を用いた頚椎骨折のインテリジェント検出
• Authors: Reza Behbahani Nejad, Amir Hossein Komijani, Esmaeil Najafi
• Abstract要約: 本稿では,各画像スライスにおける頚椎の存在を識別するための2段階パイプラインを提案する。 第1段階では、画像メタデータと画像メタデータを組み込んだマルチインプットネットワークを訓練する。 第2段階では、画像内の骨折を検出するためにYOLOv8モデルを訓練し、その効果をYOLOv5と比較する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cervical spine fractures constitute a critical medical emergency, with the potential for lifelong paralysis or even fatality if left untreated or undetected. Over time, these fractures can deteriorate without intervention. To address the lack of research on the practical application of deep learning techniques for the detection of spine fractures, this study leverages a dataset containing both cervical spine fractures and non-fractured computed tomography images. This paper introduces a two-stage pipeline designed to identify the presence of cervical vertebrae in each image slice and pinpoint the location of fractures. In the first stage, a multi-input network, incorporating image and image metadata, is trained. This network is based on the Global Context Vision Transformer, and its performance is benchmarked against popular deep learning image classification model. In the second stage, a YOLOv8 model is trained to detect fractures within the images, and its effectiveness is compared to YOLOv5. The obtained results indicate that the proposed algorithm significantly reduces the workload of radiologists and enhances the accuracy of fracture detection.
• Abstract（参考訳）: 頚椎骨折は致命的な緊急事態であり、未治療または未発見の場合には、生涯にわたる麻痺や致命的死亡の可能性がある。 時間の経過とともに、これらの骨折は介入なしに悪化する。 本研究は, 頚椎骨折と非フラクチャードCT画像の両方を含むデータセットを用いて, 深部学習による脊椎骨折検出の実践的応用の欠如に対処するものである。 本稿では,各画像スライスにおける頚椎の存在を識別し,骨折の位置をピンポイントする2段階パイプラインを提案する。 第1段階では、画像と画像メタデータを組み込んだマルチ入力ネットワークを訓練する。 このネットワークはGlobal Context Vision Transformerに基づいており、その性能は人気のあるディープラーニング画像分類モデルと比較されている。 第2段階では、画像内の骨折を検出するためにYOLOv8モデルを訓練し、その効果をYOLOv5と比較する。 その結果, 提案アルゴリズムは放射線技師の作業量を大幅に削減し, 破壊検出の精度を高めることが示唆された。

関連論文リスト

• A novel approach towards the classification of Bone Fracture from Musculoskeletal Radiography images using Attention Based Transfer Learning [0.0]
  我々は,X線スキャンで骨骨折を検出するために,注意に基づく移動学習モデルを構築した。 本モデルでは, フラクチャー分類の90%以上を最先端の精度で達成する。
  論文  参考訳（メタデータ） (2024-10-18T19:07:24Z)
• CONSULT: Contrastive Self-Supervised Learning for Few-shot Tumor Detection [21.809270017579806]
  CONSULT(Contrastive Self-SUpervised Learning for few-shot tumor detection)と呼ばれる新しい2段階異常検出アルゴリズムを提案する。 CONSULTは、MRI脳画像に特化して訓練済みの機能抽出器を微調整し、合成データ生成パイプラインを使用して腫瘍のようなデータを生成する。 第1段階は、文脈対応コントラスト学習と自己監督型特徴逆学習を取り入れた高変量データの特徴抽出において、現在の異常検出の欠点を克服することである。
  論文  参考訳（メタデータ） (2024-10-15T06:09:28Z)
• 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)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• Interpretable Vertebral Fracture Quantification via Anchor-Free Landmarks Localization [0.04925906256430176]
  椎体圧迫骨折は骨粗しょう症の早期徴候である。 3次元CT画像に椎体を局在させる新しい2段階アルゴリズムを提案する。 そして、個々の椎骨を検出し、同時に2Dで骨折を定量化する。
  論文  参考訳（メタデータ） (2022-04-14T08:31:25Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture Detection [58.984536305767996]
  自動椎骨骨折検出のための表現学習型アプローチを提案する。 本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。 一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
  論文  参考訳（メタデータ） (2020-08-18T10:03:45Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Automatic Diagnosis of Pulmonary Embolism Using an Attention-guided Framework: A Large-scale Study [5.4009326643013065]
  肺塞栓症 (PE) は、高い死亡率と致死性を伴う致命的な疾患である。 胸部CTでPEを検出するための深層学習モデルについて, 2段階のトレーニング戦略を用いて検討した。
  論文  参考訳（メタデータ） (2020-05-29T20:46:24Z)
• Keypoints Localization for Joint Vertebra Detection and Fracture Severity Quantification [0.04925906256430176]
  椎体圧迫骨折は骨粗しょう症の早期徴候である。 3次元CT画像に椎体を局在させる新しい2段階アルゴリズムを提案する。 我々は同時に個々の椎骨を検出し、2Dで骨折を定量化する。
  論文  参考訳（メタデータ） (2020-05-25T08:05:27Z)

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。