論文の概要: Segmentation of tibiofemoral joint tissues from knee MRI using MtRA-Unet and incorporating shape information: Data from the Osteoarthritis Initiative

• arxiv url: http://arxiv.org/abs/2401.12932v1
• Date: Tue, 23 Jan 2024 17:37:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-24 14:56:57.788207
• Title: Segmentation of tibiofemoral joint tissues from knee MRI using MtRA-Unet and incorporating shape information: Data from the Osteoarthritis Initiative
• Title（参考訳）: MtRA-Unet を用いた変形性膝関節症における関節組織分節と形状情報の統合:関節症イニシアチブからのデータ
• Authors: Akshay Daydar, Alik Pramanick, Arijit Sur, Subramani Kanagaraj
• Abstract要約: 提案した研究は,大腿骨の98.5%,大腿骨の98.4%,大腿骨軟骨の89.1%,大腿骨軟骨の86.1%のDice similarity Coefficient(DSC)を生成する単一段階およびエンドツーエンドのフレームワークである。 被験者あたりのMRIボリューム(160スライス)を分断する時間は22秒であり、最先端技術の中では最速の1つである。
• 参考スコア（独自算出の注目度）: 3.686808512438363
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knee Osteoarthritis (KOA) is the third most prevalent Musculoskeletal Disorder (MSD) after neck and back pain. To monitor such a severe MSD, a segmentation map of the femur, tibia and tibiofemoral cartilage is usually accessed using the automated segmentation algorithm from the Magnetic Resonance Imaging (MRI) of the knee. But, in recent works, such segmentation is conceivable only from the multistage framework thus creating data handling issues and needing continuous manual inference rendering it unable to make a quick and precise clinical diagnosis. In order to solve these issues, in this paper the Multi-Resolution Attentive-Unet (MtRA-Unet) is proposed to segment the femur, tibia and tibiofemoral cartilage automatically. The proposed work has included a novel Multi-Resolution Feature Fusion (MRFF) and Shape Reconstruction (SR) loss that focuses on multi-contextual information and structural anatomical details of the femur, tibia and tibiofemoral cartilage. Unlike previous approaches, the proposed work is a single-stage and end-to-end framework producing a Dice Similarity Coefficient (DSC) of 98.5% for the femur, 98.4% for the tibia, 89.1% for Femoral Cartilage (FC) and 86.1% for Tibial Cartilage (TC) for critical MRI slices that can be helpful to clinicians for KOA grading. The time to segment MRI volume (160 slices) per subject is 22 sec. which is one of the fastest among state-of-the-art. Moreover, comprehensive experimentation on the segmentation of FC and TC which is of utmost importance for morphology-based studies to check KOA progression reveals that the proposed method has produced an excellent result with binary segmentation
• Abstract（参考訳）: 変形性膝関節症 (KOA) は, 頚部・後部痛の3番目に多い筋骨格障害である。 このような重度MSDを監視するために, 膝関節磁気共鳴画像(MRI)による自動セグメンテーションアルゴリズムを用いて, 大腿骨・大腿骨・大腿骨・大腿骨軟骨のセグメンテーションマップにアクセスする。 しかし、近年の研究では、このようなセグメンテーションは多段階のフレームワークからのみ考えられるため、データハンドリングの問題が発生し、迅速かつ正確な臨床診断ができないような連続的な手動推論が必要になる。 そこで本稿では, 大腿骨, ティビア, ティビオfemoral cartilage を自動的に分割するために, マルチレゾリューション・アテインティブ・ユント (mtra-unet) を提案する。 提案されている研究には, 大腿骨, tibia, tibiofemoral cartilageの多条件情報と構造解剖学的詳細に焦点を当てた, 新たなmrff (multi- resolution feature fusion) とsr (shape reconstruction) の損失が含まれている。 従来のアプローチとは異なり、提案された研究は、Dice similarity Coefficient(DSC)の98.5%の大腿骨向け、98.4%の大腿骨軟骨用、89.1%の大腿骨軟骨用、86.1%の臨界MRIスライス用の単段階およびエンドツーエンドのフレームワークである。 被験者あたりのMRIボリューム(160スライス)の分画時間は22秒であり、最先端技術の中でも最速の1つである。 また, 形態学的研究において最も重要となるfc, tcのセグメンテーションに関する総合的な実験により, 提案手法が2成分セグメンテーションで優れた結果をもたらしたことが明らかとなった。

関連論文リスト

• TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
  本研究では,TotalSegmentatorをMR画像に拡張した。 このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。 このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
  論文  参考訳（メタデータ） (2024-05-29T20:15:54Z)
• Segmentation of Knee Bones for Osteoarthritis Assessment: A Comparative Analysis of Supervised, Few-Shot, and Zero-Shot Learning Approaches [4.918419052486409]
  そこで本研究では,手動分割骨を用いた2次元骨形態解析を行い,痛み条件に関連する形態的特徴について検討した。 6つのセマンティックセグメンテーションアルゴリズムを用いて,X線画像から大腿骨骨と大腿骨骨を抽出する。 数発の学習に基づくアルゴリズムであるUniverSegは、Diceスコアが99.69%で大腿骨が99.69%、ティビアが99.60%という優れたセグメンテーション結果を示した。
  論文  参考訳（メタデータ） (2024-03-13T17:58:34Z)
• CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
  追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。 非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
  論文  参考訳（メタデータ） (2022-06-22T14:19:06Z)
• Position-prior Clustering-based Self-attention Module for Knee Cartilage Segmentation [14.797196965853233]
  膝軟骨の形態変化は変形性膝関節症の進行と密接に関連している。 変形性膝関節症に対する経時的研究に有効な自動軟骨分割モデルを提案する必要がある。
  論文  参考訳（メタデータ） (2022-06-21T12:12:16Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• 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)
• Knee Cartilage Defect Assessment by Graph Representation and Surface Convolution [40.36360714443767]
  軟骨欠損は変形性膝関節症(OA)の主要な徴候と見なされる 膝関節MRIに畳み込みニューラルネットワーク(CNN)を適用することで膝軟骨欠損の評価に多くの試みがなされている。 軟骨構造と膝関節MRIからの外観をグラフ表現にモデル化し,高度に多様な臨床データを扱うことができる。 そして, 軟骨グラフ表現を用いて, 非ユークリッド深層学習ネットワークを設計し, 局所的およびグローバル的な軟骨の特徴を抽出する。
  論文  参考訳（メタデータ） (2022-01-12T05:55:32Z)
• A Deep Learning-Based Approach to Extracting Periosteal and Endosteal Contours of Proximal Femur in Quantitative CT Images [25.76523855274612]
  セグメンテーションタスクのために,3次元の終端(3D)完全畳み込みニューラルネットワークを開発した。 同一のネットワーク構造を持つ2つのモデルが訓練され、それぞれ腹腔内輪郭と内皮輪郭に対して97.87%と96.49%のサイコロ類似係数(DSC)を達成した。 大腿骨頚部骨折のリスク予測や有限要素解析などの臨床応用の可能性を示した。
  論文  参考訳（メタデータ） (2021-02-03T10:23:41Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。