論文の概要: SpineCLUE: Automatic Vertebrae Identification Using Contrastive Learning and Uncertainty Estimation

• arxiv url: http://arxiv.org/abs/2401.07271v1
• Date: Sun, 14 Jan 2024 12:02:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 19:10:16.489815
• Title: SpineCLUE: Automatic Vertebrae Identification Using Contrastive Learning and Uncertainty Estimation
• Title（参考訳）: SpineCLUE:コントラスト学習と不確実性推定を用いた自動動詞識別
• Authors: Sheng Zhang, Minheng Chen, Junxian Wu, Ziyue Zhang, Tonglong Li, Cheng Xue, Youyong Kong
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 12.427024671144869
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vertebrae identification in arbitrary fields-of-view plays a crucial role in diagnosing spine disease. Most spine CT contain only local regions, such as the neck, chest, and abdomen. Therefore, identification should not depend on specific vertebrae or a particular number of vertebrae being visible. Existing methods at the spine-level are unable to meet this challenge. In this paper, we propose a three-stage method to address the challenges in 3D CT vertebrae identification at vertebrae-level. By sequentially performing the tasks of vertebrae localization, segmentation, and identification, the anatomical prior information of the vertebrae is effectively utilized throughout the process. Specifically, we introduce a dual-factor density clustering algorithm to acquire localization information for individual vertebra, thereby facilitating subsequent segmentation and identification processes. In addition, to tackle the issue of interclass similarity and intra-class variability, we pre-train our identification network by using a supervised contrastive learning method. To further optimize the identification results, we estimated the uncertainty of the classification network and utilized the message fusion module to combine the uncertainty scores, while aggregating global information about the spine. Our method achieves state-of-the-art results on the VerSe19 and VerSe20 challenge benchmarks. Additionally, our approach demonstrates outstanding generalization performance on an collected dataset containing a wide range of abnormal cases.
• Abstract（参考訳）: 任意の分野における椎体同定は脊椎疾患の診断において重要な役割を担っている。 ほとんどの脊椎ctは頸部、胸部、腹部などの局所領域のみを含んでいる。 したがって、識別は特定の椎骨や特定の数の脊椎に依存すべきではない。 既存の脊椎レベルの方法は、この課題を満たせない。 本稿では,脊椎レベルでの3次元CT椎骨識別の課題に対処する3段階の手法を提案する。 脊椎のローカライゼーション、セグメンテーション、識別のタスクを順次実行することにより、脊椎の解剖学的事前情報をその過程を通して効果的に活用する。 具体的には,個々の椎骨の局在情報を取得する2要素密度クラスタリングアルゴリズムを導入し,その後のセグメンテーションと識別処理を容易にする。 さらに,クラス間類似性とクラス内変動性の問題に取り組むため,教師付きコントラスト学習法を用いて識別ネットワークを事前学習する。 識別結果をさらに最適化するために,分類ネットワークの不確実性を推定し,メッセージ融合モジュールを用いて不確実性スコアを合成し,スピンに関する情報を集約した。 本手法は, verse19 および verse20 challenge ベンチマークで最新の結果を得た。 さらに,本手法は,広範囲の異常例を含む収集データセット上での卓越した一般化性能を示す。

関連論文リスト

• Panoptic Segmentation and Labelling of Lumbar Spine Vertebrae using Modified Attention Unet [2.8730926763860687]
  腰椎の3次元スライスMRIデータのパノプティカルセグメンテーションのための改良型注意U-Netアーキテクチャを提案する。 本手法は,新しいマスキングロジックを取り入れた99.5%の精度を実現する。
  論文  参考訳（メタデータ） (2024-04-28T19:35:00Z)
• 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)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Robust vertebra identification using simultaneous node and edge predicting Graph Neural Networks [0.0]
  U-Netで標準的な予測を取り入れた単純なパイプラインを導入し、続いて1つのグラフニューラルネットワークで脊椎を完全な向きで関連付け、分類する。 我々の方法は、正しい体とペダルのランドマークを正確に関連付けることができ、偽陽性を無視し、脊椎を単純で完全に訓練可能なパイプラインで分類することができる。
  論文  参考訳（メタデータ） (2023-07-27T09:10:27Z)
• Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
  我々は,CT画像からの多視点椎体局在と同定を提案する。 本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。 本手法は,多視点グローバル情報を自然に学習することができる。
  論文  参考訳（メタデータ） (2023-07-24T14:43:07Z)
• 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)
• Automatic Vertebra Localization and Identification in CT by Spine Rectification and Anatomically-constrained Optimization [23.84364494308767]
  本論文では脊椎の解剖学的知識を利用して椎骨の局在と同定を容易にする堅牢かつ正確な方法を提案する。 キーポイント局在モデルは、脊椎中心の活性化マップを作成するために訓練される。 その後、脊椎中心線に沿って再サンプリングされ、脊椎切除された活性化マップを生成し、さらに1-D活性化信号に集約される。 解剖学的に制約された最適化モジュールを導入し、連続する椎骨指数の椎骨と硬い制約の間の距離を調節するソフト制約の下で最適な椎骨中心を共同で探索する。
  論文  参考訳（メタデータ） (2020-12-14T21:26:48Z)
• 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)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。