論文の概要: Predicting Spine Geometry and Scoliosis from DXA Scans

• arxiv url: http://arxiv.org/abs/2311.09424v1
• Date: Wed, 15 Nov 2023 22:49:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-17 17:30:21.374691
• Title: Predicting Spine Geometry and Scoliosis from DXA Scans
• Title（参考訳）: DXAスキャンによる脊柱管形状の予測
• Authors: Amir Jamaludin, Timor Kadir, Emma Clark, Andrew Zisserman
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 49.68543422441626
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Our objective in this paper is to estimate spine curvature in DXA scans. To this end we first train a neural network to predict the middle spine curve in the scan, and then use an integral-based method to determine the curvature along the spine curve. We use the curvature to compare to the standard angle scoliosis measure obtained using the DXA Scoliosis Method (DSM). The performance improves over the prior work of Jamaludin et al. 2018. We show that the maximum curvature can be used as a scoring function for ordering the severity of spinal deformation.
• Abstract（参考訳）: 本研究の目的は,dxaスキャンの脊椎曲率を推定することである。 この目的のために、まずニューラルネットワークを訓練して、スキャン中の中間脊椎曲線を予測し、次に積分的手法を用いて脊椎曲線に沿った曲率を決定する。 dxa scoliosis method (dsm) を用いて得られた標準角度スコリシス尺度と比較するために曲率を用いる。 パフォーマンスは、Jamaludinらによる以前の作業よりも改善されている。 最大曲率を,脊椎変形の重症度を順序づけるためのスコアリング関数として使用できることを示す。

関連論文リスト

• 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)
• B-Spine: Learning B-Spline Curve Representation for Robust and Interpretable Spinal Curvature Estimation [50.208310028625284]
  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。
  論文  参考訳（メタデータ） (2023-10-14T15:34:57Z)
• Scoliosis Detection using Deep Neural Network [0.0]
  脊柱側方屈曲症は若年層で診断されることが多い。 現在, 脊柱前方X線像を手動で観察し, 頭蓋狭窄を推定する金の基準となっている。 深層学習は、自動脊椎曲率推定において驚くべき成果を上げている。
  論文  参考訳（メタデータ） (2022-10-31T12:52:04Z)
• 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)
• Deep Modeling of Growth Trajectories for Longitudinal Prediction of Missing Infant Cortical Surfaces [58.780482825156035]
  空間グラフ畳み込みニューラルネットワーク(GCNN)を用いた皮質表面の経時的予測法を提案する。 提案手法は,皮質成長軌跡をモデル化し,複数点の内曲面と外曲面を共同で予測する。 本手法が時間的皮質成長パターンの非線形性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2020-09-06T18:46:04Z)
• 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)
• Analysis of Scoliosis From Spinal X-Ray Images [17.8260780895433]
  脊柱管の計測には脊椎のラベル付けと識別が必要である。 スコリオーシス(英: Scoliosis)は、脊椎が正常な形状から変形する先天性疾患である。 そこで本研究では,脊柱管狭窄計測に伴う脊椎の完全自動的,信頼性の高いセグメンテーションを提供するエンドツーエンドセグメンテーションモデルを提案する。
  論文  参考訳（メタデータ） (2020-04-15T05:36:28Z)
• Vertebra-Focused Landmark Detection for Scoliosis Assessment [54.24477530836629]
  脊椎に焦点をあてた新しいランドマーク検出法を提案する。 我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。 その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
  論文  参考訳（メタデータ） (2020-01-09T19:17:41Z)

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。