論文の概要: Osteoporosis Prediction from Hand and Wrist X-rays using Image
Segmentation and Self-Supervised Learning
- arxiv url: http://arxiv.org/abs/2311.06834v1
- Date: Sun, 12 Nov 2023 13:19:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 16:41:29.141339
- Title: Osteoporosis Prediction from Hand and Wrist X-rays using Image
Segmentation and Self-Supervised Learning
- Title（参考訳）: 画像分割と自己監督学習を用いた手関節X線による骨粗しょう症の予測
- Authors: Hyungeun Lee, Ung Hwang, Seungwon Yu, Chang-Hun Lee, Kijung Yoon
- Abstract要約: Dual-Energy X-ray absorptiometry (DXA)のような骨密度試験に限定的にアクセスするため、診断も治療も行われていない慢性代謝性骨疾患である。
本稿では手・手首X線画像を用いた骨粗しょう症の予測手法を提案する。
- 参考スコア（独自算出の注目度）: 2.9909606678660587
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Osteoporosis is a widespread and chronic metabolic bone disease that often
remains undiagnosed and untreated due to limited access to bone mineral density
(BMD) tests like Dual-energy X-ray absorptiometry (DXA). In response to this
challenge, current advancements are pivoting towards detecting osteoporosis by
examining alternative indicators from peripheral bone areas, with the goal of
increasing screening rates without added expenses or time. In this paper, we
present a method to predict osteoporosis using hand and wrist X-ray images,
which are both widely accessible and affordable, though their link to DXA-based
data is not thoroughly explored. Initially, our method segments the ulnar,
radius, and metacarpal bones using a foundational model for image segmentation.
Then, we use a self-supervised learning approach to extract meaningful
representations without the need for explicit labels, and move on to classify
osteoporosis in a supervised manner. Our method is evaluated on a dataset with
192 individuals, cross-referencing their verified osteoporosis conditions
against the standard DXA test. With a notable classification score (AUC=0.83),
our model represents a pioneering effort in leveraging vision-based techniques
for osteoporosis identification from the peripheral skeleton sites.
- Abstract（参考訳）: 骨粗しょう症は, 骨密度(BMD)検査に制限があるため, 診断も治療も行われていないが, 骨粗しょう症は慢性的なメタボリック骨疾患である。
この課題への対応として, 骨粗しょう症検出に向けた最近の進歩は, 費用や時間を追加することなく, スクリーニング率を高めることを目的として, 末梢骨領域からの代替指標を検査することによって行われている。
本稿では,手や手首のx線画像を用いて骨ポローシスを予測する手法を提案するが,dxaデータとの関連は十分に検討されていない。
まず, 画像分割のための基礎モデルを用いて尺骨, 半径, 中手骨を分割した。
そこで我々は,自己指導型学習手法を用いて,明示的なラベルを必要とせずに意味のある表現を抽出し,さらに指導的な方法で骨粗しょう症を分類する。
本手法は192名を対象に, 標準的なDXA試験と比較し, 骨粗しょう症の診断条件を相互参照した。
特筆すべき分類スコア (AUC=0.83) を用いて, 周辺骨格の骨粗しょう症同定に視覚を用いた手法を応用するための先駆的な試みを示す。
関連論文リスト
- Self-supervised vision-langage alignment of deep learning representations for bone X-rays analysis [53.809054774037214]
本稿では, 骨X線とフレンチレポートを組み合わせることで, 視覚言語による事前訓練を活用することを提案する。
骨X線表現にまつわる埋め込み空間を形成するために、フランスの報告を統合する最初の研究である。
論文 参考訳（メタデータ） (2024-05-14T19:53:20Z) - Opportunistic hip fracture risk prediction in Men from X-ray: Findings
from the Osteoporosis in Men (MrOS) Study [0.7340017786387765]
骨粗しょう症は骨折のリスクを増大させる一般的な疾患である。
特に高齢者の股関節骨折は、死亡率の上昇、生活の質の低下、死亡率の上昇につながる。
骨折前は無症候性疾患であったため、骨粗しょう症は診断されず、治療を受けていないことが多い。
論文 参考訳（メタデータ） (2022-07-22T09:35:48Z) - 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) - 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) - 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) - 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) - A Convolutional Approach to Vertebrae Detection and Labelling in Whole
Spine MRI [70.04389979779195]
脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。
これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。
本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
論文 参考訳（メタデータ） (2020-07-06T09:37:12Z)
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。