論文の概要: Deep learning automates Cobb angle measurement compared with multi-expert observers

• arxiv url: http://arxiv.org/abs/2403.12115v1
• Date: Mon, 18 Mar 2024 15:43:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-20 18:41:45.030592
• Title: Deep learning automates Cobb angle measurement compared with multi-expert observers
• Title（参考訳）: 深層学習は多専門観測者と比較してコブ角測定を自動化する
• Authors: Keyu Li, Hanxue Gu, Roy Colglazier, Robert Lark, Elizabeth Hubbard, Robert French, Denise Smith, Jikai Zhang, Erin McCrum, Anthony Catanzano, Joseph Cao, Leah Waldman, Maciej A. Mazurowski, Benjamin Alman,
• Abstract要約: コブ角 (Cobb angle) は、傾斜した椎骨間の曲率を測定する、広く使われているスコリシス定量法である。 我々は、Cobb角を正確に測定し、これらの測定をはっきりと視覚化する完全に自動化されたソフトウェアを作成しました。 このソフトウェアは、ディープニューラルネットワークに基づく脊髄領域の検出とセグメンテーション、脊髄中心の同定を統合し、最も傾いた脊椎をピンポイントする。
• 参考スコア（独自算出の注目度）: 3.7153471185088427
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Scoliosis, a prevalent condition characterized by abnormal spinal curvature leading to deformity, requires precise assessment methods for effective diagnosis and management. The Cobb angle is a widely used scoliosis quantification method that measures the degree of curvature between the tilted vertebrae. Yet, manual measuring of Cobb angles is time-consuming and labor-intensive, fraught with significant interobserver and intraobserver variability. To address these challenges and the lack of interpretability found in certain existing automated methods, we have created fully automated software that not only precisely measures the Cobb angle but also provides clear visualizations of these measurements. This software integrates deep neural network-based spine region detection and segmentation, spine centerline identification, pinpointing the most significantly tilted vertebrae, and direct visualization of Cobb angles on the original images. Upon comparison with the assessments of 7 expert readers, our algorithm exhibited a mean deviation in Cobb angle measurements of 4.17 degrees, notably surpassing the manual approach's average intra-reader discrepancy of 5.16 degrees. The algorithm also achieved intra-class correlation coefficients (ICC) exceeding 0.96 and Pearson correlation coefficients above 0.944, reflecting robust agreement with expert assessments and superior measurement reliability. Through the comprehensive reader study and statistical analysis, we believe this algorithm not only ensures a higher consensus with expert readers but also enhances interpretability and reproducibility during assessments. It holds significant promise for clinical application, potentially aiding physicians in more accurate scoliosis assessment and diagnosis, thereby improving patient care.
• Abstract（参考訳）: 変形につながる異常な脊椎曲率を特徴とする強皮症は、効果的な診断と管理のために正確な評価方法を必要とする。 コブ角 (Cobb angle) は、傾斜した椎骨間の曲率を測定する、広く使われているスコリシス定量法である。 しかし、Cobbのアングルの手動測定は時間がかかり、労働集約的であり、大きなオブザーバ間およびオブザーバ内変動を伴っている。 これらの課題に対処するために、既存の自動化手法で見られる解釈可能性の欠如に対処するため、私たちは、Cobb角を正確に測定するだけでなく、これらの測定の明確な可視化を提供する、完全に自動化されたソフトウェアを作成しました。 このソフトウェアは、ディープニューラルネットワークに基づくスピーン領域の検出とセグメンテーション、スピーン中心線同定、最も傾いた脊椎のピンポイント、オリジナル画像上のコブ角の直接可視化を統合している。 専門家7人の評価結果と比較すると、我々のアルゴリズムはコブ角度の4.17度の平均偏差を示し、特に手作業による平均可読値の5.16度を上回った。 また,0.96以上のクラス内相関係数 (ICC) と0.944以上のピアソン相関係数 (Pearson correlation coefficient) も達成した。 総合的な読者調査と統計分析を通じて、このアルゴリズムは専門家の読者と高いコンセンサスを確保するだけでなく、評価中の解釈可能性や再現性を高めることができると信じている。 臨床応用には非常に有望であり、より正確なスコリオーシスの評価と診断を医師に支援し、患者のケアを改善する可能性がある。

関連論文リスト

• MMA-Net: Multiple Morphology-Aware Network for Automated Cobb Angle Measurement [6.8243631770391735]
  本稿では,複数の脊椎形態を注目情報として統合することにより,コブ角測定精度を向上させる新しいフレームワークを提案する。 AASCEチャレンジデータセットを用いて本手法の評価を行い,SMAPEの7.28%,MAEの3.18degで優れた性能を示した。
  論文  参考訳（メタデータ） (2023-09-25T01:56:53Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Development of Machine learning algorithms to identify the Cobb angle in adolescents with idiopathic scoliosis based on lumbosacral joint efforts during gait (Case study) [1.1199585259018454]
  本研究の目的は、自動放射線フリーモデルを開発することにより、コブ角を同定することである。 放射能のないデータとしての歩行中の腰仙関節は、コブ角を識別することができる。
  論文  参考訳（メタデータ） (2023-01-29T23:58:16Z)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Automating Cobb Angle Measurement for Adolescent Idiopathic Scoliosis using Instance Segmentation [1.3161405778899375]
  現在、スコリオーシスを評価するための基準基準は、コブ角のマニュアル割り当てに基づいている。 本稿では,YOLACT(インスタンスセグメンテーションモデル)を用いたコブ角計測タスクを提案する。 提案手法はまず,YOLACTを用いてX線画像に椎骨を分割し,最小境界ボックスアプローチを用いて重要なランドマークを追跡する。
  論文  参考訳（メタデータ） (2022-11-25T14:04:06Z)
• Quality control for more reliable integration of deep learning-based image segmentation into medical workflows [0.23609258021376836]
  本稿では,その出力の確実性を推定するために,最先端自動品質制御(QC)手法の解析を行う。 磁気共鳴画像データにおける白色物質の超強度(WMH)を識別する脳画像分割タスクにおける最も有望なアプローチを検証した。
  論文  参考訳（メタデータ） (2021-12-06T16:30:43Z)
• Direct Estimation of Spinal Cobb Angles by Structured Multi-Output Regression [42.67503464183464]
  脊髄湾曲率を定量的に評価するコブ角度は、脊柱側膜症の診断および治療において重要な役割を果たします。 脊髄X線からのCobb角の推定を多出力回帰タスクとして定式化する。 本手法は, 高い精度で cobb 角度の直接推定が可能であり, 臨床応用の可能性も示唆する。
  論文  参考訳（メタデータ） (2020-12-23T12:33:46Z)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)
• 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)
• Vertebra-Focused Landmark Detection for Scoliosis Assessment [54.24477530836629]
  脊椎に焦点をあてた新しいランドマーク検出法を提案する。 我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。 その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
  論文  参考訳（メタデータ） (2020-01-09T19:17:41Z)

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。