論文の概要: Segmentation of Knee Bones for Osteoarthritis Assessment: A Comparative
Analysis of Supervised, Few-Shot, and Zero-Shot Learning Approaches
- arxiv url: http://arxiv.org/abs/2403.08761v1
- Date: Wed, 13 Mar 2024 17:58:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 13:07:15.224095
- Title: Segmentation of Knee Bones for Osteoarthritis Assessment: A Comparative
Analysis of Supervised, Few-Shot, and Zero-Shot Learning Approaches
- Title（参考訳）: 変形性膝関節症に対する膝骨分割術の検討
教師付き, 少数ショット, ゼロショット学習アプローチの解析
- Authors: Yun Xin Teoh, Alice Othmani, Siew Li Goh, Juliana Usman, Khin Wee Lai
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.918419052486409
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knee osteoarthritis is a degenerative joint disease that induces chronic pain
and disability. Bone morphological analysis is a promising tool to understand
the mechanical aspect of this disorder. This study proposes a 2D bone
morphological analysis using manually segmented bones to explore morphological
features related to distinct pain conditions. Furthermore, six semantic
segmentation algorithms are assessed for extracting femur and tibia bones from
X-ray images. Our analysis reveals that the morphology of the femur undergoes
significant changes in instances where pain worsens. Conversely, improvements
in pain may not manifest pronounced alterations in bone shape. The
few-shot-learning-based algorithm, UniverSeg, demonstrated superior
segmentation results with Dice scores of 99.69% for femur and 99.60% for tibia.
Regarding pain condition classification, the zero-shot-learning-based
algorithm, CP-SAM, achieved the highest accuracy at 66% among all models.
UniverSeg is recommended for automatic knee bone segmentation, while SAM models
show potential with prompt encoder modifications for optimized outcomes. These
findings highlight the effectiveness of few-shot learning for semantic
segmentation and the potential of zero-shot learning in enhancing
classification models for knee osteoarthritis diagnosis.
- Abstract（参考訳）: 膝関節症 (Knee osteoarthritis) は、慢性的な痛みや障害を引き起こす変形性関節疾患である。
骨形態解析は、この疾患の機械的側面を理解するための有望なツールである。
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,異なる痛み条件に関連する形態的特徴について検討した。
さらに、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。
解析の結果,大腿骨の形態は痛みが悪化する症例において著しい変化がみられた。
逆に、痛みの改善は骨の形状の顕著な変化を示さない可能性がある。
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。
痛み条件分類に関しては、ゼロショット学習に基づくアルゴリズムCP-SAMが全モデルの中で66%の精度で達成された。
UniverSegは自動膝骨分割に推奨され、SAMモデルは最適化された結果に対する即時エンコーダ修正によるポテンシャルを示す。
これらの知見は, 膝関節症診断の分類モデルの改善における, セグメンテーションにおける少数ショット学習の有効性とゼロショット学習の可能性を明らかにするものである。
関連論文リスト
- Segmentation of tibiofemoral joint tissues from knee MRI using MtRA-Unet
and incorporating shape information: Data from the Osteoarthritis Initiative [3.686808512438363]
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。
論文 参考訳（メタデータ） (2024-01-23T17:37:34Z) - 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) - 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) - TotalSegmentator: robust segmentation of 104 anatomical structures in CT
images [48.50994220135258]
身体CT画像の深層学習セグメント化モデルを提案する。
このモデルは、臓器の容積、疾患の特徴、外科的または放射線療法計画などのユースケースに関連する104の解剖学的構造を区分することができる。
論文 参考訳（メタデータ） (2022-08-11T15:16:40Z) - Using machine learning on new feature sets extracted from 3D models of
broken animal bones to classify fragments according to break agent [53.796331564067835]
ホミニン骨破壊による骨片と肉食動物による骨片の識別を目的とした骨折パターン解析への新しいアプローチを提案する。
この方法では、断片的な骨の3Dモデルを用いて、これまで骨折パターン解析に使用されていた特徴セットよりも透明性が高くレプリカ性の高いデータセットを抽出する。
監視された機械学習アルゴリズムは、骨断片を破片のエージェントに従って適切に分類するために使用され、平均的精度はテスト全体で77%である。
論文 参考訳（メタデータ） (2022-05-20T20:16:21Z) - Noise-reducing attention cross fusion learning transformer for
histological image classification of osteosarcoma [2.8265965924600276]
本研究の目的は,人工知能を用いて骨肉腫の組織像を分類し,腫瘍の生存と壊死を評価することである。
本稿では,ノイズ低減畳み込みオートエンコーダと特徴融合学習を統合した典型的なトランスフォーマー画像分類フレームワークを提案する。
本手法は, 骨肉腫の診断を支援するため, 各種評価指標における従来型および深層学習法よりも99.17%の精度で優れていた。
論文 参考訳（メタデータ） (2022-04-29T00:57:39Z) - 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) - Breast Cancer Induced Bone Osteolysis Prediction Using Temporal
Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。
乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文 参考訳（メタデータ） (2022-03-20T21:00:10Z) - 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) - 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) - A Lightweight CNN and Joint Shape-Joint Space (JS2) Descriptor for
Radiological Osteoarthritis Detection [2.3204178451683264]
関節形状と畳み込みニューラルネットワーク(CNN)に基づく骨テクスチャ機能を組み合わせた,完全自動化された新しい手法を提案する。
以上の結果から,RAC曲線(AUC)95.21%以下のX線学的変形性関節症検出領域において,形状とテクスチャパラメータを融合させることで,最先端の術式が達成できることが示唆された。
論文 参考訳（メタデータ） (2020-05-24T10:48:38Z)
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。