論文の概要: Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding

• arxiv url: http://arxiv.org/abs/2312.05220v1
• Date: Fri, 8 Dec 2023 18:11:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-11 14:28:33.442854
• Title: Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding
• Title（参考訳）: 形状要素:微分点に基づく形状復号による椎骨骨折の検出
• Authors: Hellena Hempe, Alexander Bigalke and Mattias P. Heinrich
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 51.38395069380457
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Degenerative spinal pathologies are highly prevalent among the elderly population. Timely diagnosis of osteoporotic fractures and other degenerative deformities facilitates proactive measures to mitigate the risk of severe back pain and disability. In this study, we specifically explore the use of shape auto-encoders for vertebrae, taking advantage of advancements in automated multi-label segmentation and the availability of large datasets for unsupervised learning. Our shape auto-encoders are trained on a large set of vertebrae surface patches, leveraging the vast amount of available data for vertebra segmentation. This addresses the label scarcity problem faced when learning shape information of vertebrae from image intensities. Based on the learned shape features we train an MLP to detect vertebral body fractures. Using segmentation masks that were automatically generated using the TotalSegmentator, our proposed method achieves an AUC of 0.901 on the VerSe19 testset. This outperforms image-based and surface-based end-to-end trained models. Additionally, our results demonstrate that pre-training the models in an unsupervised manner enhances geometric methods like PointNet and DGCNN. Our findings emphasise the advantages of explicitly learning shape features for diagnosing osteoporotic vertebrae fractures. This approach improves the reliability of classification results and reduces the need for annotated labels. This study provides novel insights into the effectiveness of various encoder-decoder models for shape analysis of vertebrae and proposes a new decoder architecture: the point-based shape decoder.
• Abstract（参考訳）: 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のタイムリーな診断は、重篤な腰痛や障害のリスクを軽減させるための予防措置を促進する。 本研究では, 椎体に対する形状自動エンコーダの使用, 自動マルチラベルセグメンテーションの進歩, 教師なし学習のための大規模データセットの利用について検討した。 私たちの形状自動エンコーダは、大量の椎骨表面パッチに基づいて訓練され、椎骨のセグメンテーションに利用可能な膨大なデータを活用しています。 これは、画像強度から椎骨の形状情報を学ぶ際に直面するラベル不足問題に対処する。 学習した形状の特徴に基づいて、椎体骨折を検出するためにMLPを訓練する。 totalsegmentator を用いて自動生成したセグメンテーションマスクを用いて,verse19 テストセット上で 0.901 の auc を実現する。 これはイメージベースとサーフェスベースのエンドツーエンドトレーニングモデルよりも優れています。 さらに,教師なしの事前学習により,pointnet や dgcnn などの幾何学的手法が強化されることを示した。 骨粗しょう性椎骨骨折の診断には, 明らかな形状特徴が有用である。 このアプローチは分類結果の信頼性を改善し、注釈付きラベルの必要性を減らす。 本研究は,脊椎の形状解析における各種エンコーダデコーダモデルの有効性に関する新たな知見を提供し,新しいデコーダアーキテクチャであるポイントベース形状デコーダを提案する。

関連論文リスト

• SpineCLUE: Automatic Vertebrae Identification Using Contrastive Learning and Uncertainty Estimation [12.427024671144869]
  脊椎疾患の診断において、任意の視野における動詞の同定が重要な役割を担っている。 スピンレベルの既存の方法は、この課題を満たすことができません。 椎骨レベルでの3次元CT椎骨識別の課題に対処する3段階法を提案する。
  論文  参考訳（メタデータ） (2024-01-14T12:02:39Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Faint Features Tell: Automatic Vertebrae Fracture Screening Assisted by Contrastive Learning [11.944282446506396]
  長期の脊椎骨折は患者の生活の質に深刻な影響を与え、気胸、腰椎変形、さらには麻痺を引き起こしている。 特に、深層学習モデルや経験の浅い医師では、軽度の骨折と正常なコントロールを区別することは極めて困難である。 そこで本研究では,CTスキャンを用いてGenentの脊椎骨折度を推定するための教師付きコントラスト学習ベースモデルを提案する。 両分類では99%,感度は85%,マクロF1は77%であった。
  論文  参考訳（メタデータ） (2022-08-23T02:39:08Z)
• 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)
• Intervertebral Disc Labeling With Learning Shape Information, A Look Once Approach [12.720976102251148]
  椎間板位置の候補を予測するための新しいU-Net構造を提案する。 本設計では,画像形状情報(画像勾配)を統合し,リッチで汎用的な幾何学的情報を学ぶことを奨励する。 後処理側では、偽陽性率をさらに下げるために、置換不変な 'look once' モデルを提案する。
  論文  参考訳（メタデータ） (2022-04-06T17:23:02Z)
• 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)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• 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)
• 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)

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。