論文の概要: Integration of Swin UNETR and statistical shape modeling for a
semi-automated segmentation of the knee and biomechanical modeling of
articular cartilage
- arxiv url: http://arxiv.org/abs/2312.00169v1
- Date: Mon, 18 Sep 2023 19:25:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 15:10:16.954488
- Title: Integration of Swin UNETR and statistical shape modeling for a
semi-automated segmentation of the knee and biomechanical modeling of
articular cartilage
- Title（参考訳）: Swin UNETRと統計的形状モデリングの統合による半自動膝関節分割と関節軟骨の生体力学的モデリング
- Authors: Reza Kakavand, Mehrdad Palizi, Peyman Tahghighi, Reza Ahmadi, Neha
Gianchandani, Samer Adeeb, Roberto Souza, W. Brent Edwards, Amin Komeili
- Abstract要約: 有限要素(FE)モデリングは、患者実験なしで膝関節力学の洞察を与える。
FEモデルは、集団の幾何学、荷重、材料特性のバリエーションを見渡すことで、組織の生体力学的挙動を表す。
本研究は,半自動セグメンテーションアルゴリズムを応用して,被験者特異的膝関節FEモデリングを強化することを目的とした。
- 参考スコア（独自算出の注目度）: 0.33705435145150503
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Simulation studies like finite element (FE) modeling provide insight into
knee joint mechanics without patient experimentation. Generic FE models
represent biomechanical behavior of the tissue by overlooking variations in
geometry, loading, and material properties of a population. On the other hand,
subject-specific models include these specifics, resulting in enhanced
predictive precision. However, creating such models is laborious and
time-intensive. The present study aimed to enhance subject-specific knee joint
FE modeling by incorporating a semi-automated segmentation algorithm. This
segmentation was a 3D Swin UNETR for an initial segmentation of the femur and
tibia, followed by a statistical shape model (SSM) adjustment to improve
surface roughness and continuity. Five hundred and seven magnetic resonance
images (MRIs) from the Osteoarthritis Initiative (OAI) database were used to
build and validate the segmentation model. A semi-automated FE model was
developed using this semi-automated segmentation. On the other hand, a manual
FE model was developed through manual segmentation (i.e., the gold standard
approach). Both FE models were subjected to gait loading. The predicted
mechanical response of manual and semi-automated FE models were compared. In
the result, our semi-automated segmentation achieved Dice similarity
coefficient (DSC) over 98% for both femur and tibia. The mechanical results
(max principal stress, max principal strain, fluid pressure, fibril strain, and
contact area) showed no significant differences between the manual and
semi-automated FE models, indicating the effectiveness of the proposed
semi-automated segmentation in creating accurate knee joint FE models. (
https://data.mendeley.com/datasets/k5hdc9cz7w/1 ).
- Abstract（参考訳）: 有限要素モデリング(FE)のようなシミュレーション研究は、患者実験なしで膝関節力学の洞察を与える。
ジェネリックFEモデルは、集団の幾何学、荷重、材料特性のバリエーションを見渡すことで、組織の生体力学的挙動を表す。
一方、対象特化モデルにはこれらの特異性が含まれており、結果として予測精度が向上する。
しかし、そのようなモデルの作成は手間がかかり、時間を要する。
本研究の目的は,半自動セグメンテーションアルゴリズムを応用して,被験者特異的膝関節FEモデリングを強化することである。
このセグメンテーションは3D Swin UNETRで大腿骨と骨盤の最初のセグメンテーションを行い、続いて表面粗さと連続性を改善する統計的形状モデル(SSM)を調整した。
関節リウマチイニシアチブ(OAI)データベースから得られた5,7個のMRI画像を用いて,セグメンテーションモデルの構築と評価を行った。
この半自動セグメンテーションを用いて半自動FEモデルを開発した。
一方、手動FEモデルは手動セグメンテーション(つまり金標準アプローチ)によって開発された。
両方のFEモデルは歩行負荷を受ける。
手動および半自動feモデルの機械的応答を予測した。
その結果, 半自動セグメンテーションにより, 大腿骨および大腿部ともに98%以上のdsc(dice similarity coefficient)が得られた。
機械的結果(最大主応力,最大主ひずみ,流体圧,フィブリルひずみ,接触面積)は,マニュアルモデルと半自動feモデルとの間に有意な差は認められなかった。
(https://data.mendeley.com/datasets/k5hdc9cz7w/1 )。
関連論文リスト
- EMR-Merging: Tuning-Free High-Performance Model Merging [55.03509900949149]
Elect, Mask & Rescale-Merging (EMR-Merging) は既存のマージ手法と比較して優れた性能を示した。
EMR-Mergingはチューニング不要なので、データアベイラビリティや追加のトレーニングは必要ありません。
論文 参考訳（メタデータ） (2024-05-23T05:25:45Z) - MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。
このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。
また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文 参考訳（メタデータ） (2024-04-16T02:18:18Z) - Predictive Analytics of Varieties of Potatoes [2.336821989135698]
本研究では, 育種試験におけるサツマイモクローンの選択プロセスの向上を目的とした, 機械学習アルゴリズムの適用について検討する。
本研究は, 高収率, 耐病性, 耐気候性ポテト品種を効率的に同定することの課題に対処する。
論文 参考訳（メタデータ） (2024-04-04T00:49:05Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳（メタデータ） (2024-02-19T15:57:39Z) - Predicting Multi-Joint Kinematics of the Upper Limb from EMG Signals
Across Varied Loads with a Physics-Informed Neural Network [0.0]
PINNモデルは、フィードフォワードニューラルネットワーク(ANN)とジョイントトルクモデルを組み合わせることで構成される。
PINNモデルのトレーニングデータセットは、EMGと4つの異なる被験者から収集された時間データを含む。
その結果,関節角度予測では58%から83%の相関が認められた。
論文 参考訳（メタデータ） (2023-11-28T16:55:11Z) - A quality assurance framework for real-time monitoring of deep learning
segmentation models in radiotherapy [3.5752677591512487]
この研究は、品質保証フレームワークを確立するために、心臓のサブ構造セグメンテーションを例として用いている。
心電図(CT)画像と241例の心電図を用いたベンチマークデータセットを収集した。
訓練されたDenoising Autoencoder(DAE)と2つの手動特徴を利用して画像領域シフト検出器を開発した。
Dice similarity coefficient (DSC) を用いて患者ごとのセグメンテーション精度を予測するための回帰モデルを構築した。
論文 参考訳（メタデータ） (2023-05-19T14:51:05Z) - Application of the nnU-Net for automatic segmentation of lung lesion on
CT images, and implication on radiomic models [1.8231394717039833]
非小細胞肺癌患者のCT画像にディープラーニング自動分画法を適用した。
生存放射線モデルの性能評価において,手動と自動セグメンテーションの併用も検討した。
論文 参考訳（メタデータ） (2022-09-24T15:04:23Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Dynamic multi feature-class Gaussian process models [0.0]
本研究では, 医用画像における形状, ポーズ, 強度特徴の自動学習のための統計的モデリング手法を提案する。
DMFC-GPM (DMFC-GPM) はガウス過程(GP)に基づくモデルであり、線形および非線形の変動を符号化する潜在空間を共有する。
モデル性能の結果は、この新しいモデリングパラダイムが堅牢で、正確で、アクセス可能であり、潜在的な応用があることを示唆している。
論文 参考訳（メタデータ） (2021-12-08T15:12:47Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳（メタデータ） (2021-05-11T16:02:39Z) - Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。
我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。
その結果,我々のモデルは最先端の性能を達成できることがわかった。
論文 参考訳（メタデータ） (2020-10-12T03:27:07Z)
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。