論文の概要: A multi-stage semi-supervised learning for ankle fracture classification on CT images

• arxiv url: http://arxiv.org/abs/2403.19983v1
• Date: Fri, 29 Mar 2024 05:35:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-01 16:24:57.541015
• Title: A multi-stage semi-supervised learning for ankle fracture classification on CT images
• Title（参考訳）: CT画像における足関節骨折分類のための多段階半教師あり学習
• Authors: Hongzhi Liu, Guicheng Li, Jiacheng Nie, Hui Tang, Chunfeng Yang, Qianjin Feng, Hailin Xu, Yang Chen,
• Abstract要約: 足関節の関節小臼歯部領域に対して, 遠位骨と遠位骨の分節ネットワークが提案されている。 半教師付き分類器は、多数のラベルのないデータをフル活用して足首骨折を分類するために構成される。
• 参考スコア（独自算出の注目度）: 16.772298853243807
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Because of the complicated mechanism of ankle injury, it is very difficult to diagnose ankle fracture in clinic. In order to simplify the process of fracture diagnosis, an automatic diagnosis model of ankle fracture was proposed. Firstly, a tibia-fibula segmentation network is proposed for the joint tibiofibular region of the ankle joint, and the corresponding segmentation dataset is established on the basis of fracture data. Secondly, the image registration method is used to register the bone segmentation mask with the normal bone mask. Finally, a semi-supervised classifier is constructed to make full use of a large number of unlabeled data to classify ankle fractures. Experiments show that the proposed method can segment fractures with fracture lines accurately and has better performance than the general method. At the same time, this method is superior to classification network in several indexes.
• Abstract（参考訳）: 足関節損傷のメカニズムが複雑であるため, 当科における足関節骨折の診断は極めて困難である。 骨折診断のプロセスを簡単にするために,足関節骨折の自動診断モデルを提案した。 第一に、足関節関節の関節庭領域にティアビア・フィブラ・セグメンテーション・ネットワークを提案し、それに対応するセグメンテーション・データセットを骨折データに基づいて確立する。 次に、画像登録方法を用いて、正常な骨マスクで骨分割マスクを登録する。 最後に、足関節骨折の分類に多数のラベルのないデータを完全に利用する半教師付き分類器を構築する。 実験の結果, 提案手法はフラクチャーラインを正確に分割することができ, 一般法よりも優れた性能を有することがわかった。 同時に、この手法はいくつかの指標の分類網よりも優れている。

関連論文リスト

• Leveraging Auxiliary Classification for Rib Fracture Segmentation [5.163088719949993]
  本研究は, 骨盤骨折セグメント化の精度を高めるために, 補助的分類タスクを組み込んだ高度深層学習モデルを提案する。 補助的分類課題は, 骨折したリブと負の領域を区別し, 非破壊的なリブと周囲の組織を包含する上で重要である。 RibFracデータセットの実験結果はセグメンテーション性能が大幅に向上したことを示している。
  論文  参考訳（メタデータ） (2024-11-14T08:40:08Z)
• Towards Cross-Scale Attention and Surface Supervision for Fractured Bone Segmentation in CT [5.913201544244602]
  異なるスケールで特徴を集約し、より強力なフラクチャー表現を提供するために、クロススケールアテンション機構を導入している。 表面監視戦略が採用され、骨境界に注意を払うためにネットワークを明示的に拘束する。 本手法の有効性を, 股関節骨折を有するCTスキャンを含む公的データセットを用いて評価した。
  論文  参考訳（メタデータ） (2024-05-02T11:46:12Z)
• Deep Rib Fracture Instance Segmentation and Classification from CT on the RibFrac Challenge [66.86170104167608]
  RibFrac Challengeは、660のCTスキャンから5,000以上のリブ骨折のベンチマークデータセットを提供する。 MICCAI 2020チャレンジ期間中に243つの結果が評価され、7つのチームがチャレンジサマリーに参加するために招待された。 この分析により、いくつかのトップリブ骨折検出ソリューションが、人間の専門家と同等かそれ以上の性能を達成したことが明らかになった。
  論文  参考訳（メタデータ） (2024-02-14T18:18:33Z)
• Simultaneous Bone and Shadow Segmentation Network using Task Correspondence Consistency [60.378180265885945]
  骨と影の同時分割のための共有トランスフォーマベースエンコーダとタスク独立デコーダを備えた単一エンドツーエンドネットワークを提案する。 また,骨表面とそれに対応する影の相互依存性を利用してセグメンテーションを改良する対応整合損失も導入する。
  論文  参考訳（メタデータ） (2022-06-16T22:37:05Z)
• 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)
• 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)
• 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)
• Medical Knowledge-Guided Deep Curriculum Learning for Elbow Fracture Diagnosis from X-Ray Images [4.5617336730758735]
  肘X線画像から肘骨折を診断するための新しい深層学習法を提案する。 本手法では,各トレーニングエポックの開始時に,リプレースせずにサンプリングによってトレーニングデータを置換する。 各トレーニングサンプルのサンプリング確率は、ヒトの専門家による臨床知識に基づいて構築されたスコア基準によって導かれる。
  論文  参考訳（メタデータ） (2021-10-20T05:24:35Z)
• A System for 3D Reconstruction Of Comminuted Tibial Plafond Bone Fractures [2.6121721052942917]
  関節部位における高エネルギーの影響は、しばしば高度に断片化された骨骨折を引き起こす。 現在の治療アプローチでは、骨折を階層的骨折重症度分類に分類する方法を医師が決める必要がある。 本稿では、破壊重大度の定性的評価のみに関連する欠点を特定し、これらの欠点に対処するのに役立つ新しい定量的指標を提供します。
  論文  参考訳（メタデータ） (2021-02-23T13:26:55Z)
• 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)

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。