論文の概要: Calculation of Femur Caput Collum Diaphyseal angle for X-Rays images using Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2404.17083v2
• Date: Sun, 26 May 2024 21:00:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-29 05:47:26.252353
• Title: Calculation of Femur Caput Collum Diaphyseal angle for X-Rays images using Semantic Segmentation
• Title（参考訳）: セマンティックセグメンテーションを用いたX線画像における大腿骨頭頂部線維角の計算
• Authors: Muhammad Abdullah, Anne Querfurth, Deepak Bhatia, Mahdi Mantash,
• Abstract要約: 本稿では,X線画像から大腿骨頭・結腸・下垂角を推定するための深層学習手法について検討する。 本稿では,X線画像から大腿骨CCD角を確実に推定できるディープラーニングアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 2.3757237109481557
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper investigates the use of deep learning approaches to estimate the femur caput-collum-diaphyseal (CCD) angle from X-ray images. The CCD angle is an important measurement in the diagnosis of hip problems, and correct prediction can help in the planning of surgical procedures. Manual measurement of this angle, on the other hand, can be time-intensive and vulnerable to inter-observer variability. In this paper, we present a deep-learning algorithm that can reliably estimate the femur CCD angle from X-ray images. To train and test the performance of our model, we employed an X-ray image dataset with associated femur CCD angle measurements. Furthermore, we built a prototype to display the resulting predictions and to allow the user to interact with the predictions. As this is happening in a sterile setting during surgery, we expanded our interface to the possibility of being used only by voice commands. Our results show that our deep learning model predicts the femur CCD angle on X-ray images with great accuracy, with a mean absolute error of 4.3 degrees on the left femur and 4.9 degrees on the right femur on the test dataset. Our results suggest that deep learning has the potential to give a more efficient and accurate technique for predicting the femur CCD angle, which might have substantial therapeutic implications for the diagnosis and management of hip problems.
• Abstract（参考訳）: 本稿では, 深層学習手法を用いてX線画像から大腿部腹側下垂体(CCD)の角度を推定する。 CCD角は股関節疾患の診断において重要な測定であり、正しい予測は外科手術の計画に有効である。 一方、この角度を手動で測定することは、時間集約的で、サーバ間の変動に弱い。 本稿では,X線画像から大腿骨CCD角を確実に推定できるディープラーニングアルゴリズムを提案する。 モデルの性能を訓練し,テストするために,X線画像データセットを用いて大腿骨CCD角計測を行った。 さらに,結果の予測を提示し,ユーザが予測と対話できるようにプロトタイプを構築した。 手術中は不妊状態にあるため,音声コマンドでのみ使用可能なインターフェースを拡張した。 以上の結果から,X線画像上での深層学習モデルでは,左大腿骨では4.3度,右大腿骨では4.9度で,大腿骨のCCD角を精度良く予測できることがわかった。 以上の結果から,深層学習は大腿骨CCD角の予測により効率的かつ正確な手法を提供する可能性が示唆された。

関連論文リスト

• AttCDCNet: Attention-enhanced Chest Disease Classification using X-Ray Images [0.0]
  X線画像診断のための新しい検出モデルtextbfAttCDCNetを提案する。 提案されたモデルは、新型コロナウイルスのラジオグラフィーデータセットでそれぞれ94.94%、95.14%、94.53%の精度、精度、リコールを達成した。
  論文  参考訳（メタデータ） (2024-10-20T16:08:20Z)
• B-Spine: Learning B-Spline Curve Representation for Robust and Interpretable Spinal Curvature Estimation [50.208310028625284]
  脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。 低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
  論文  参考訳（メタデータ） (2023-10-14T15:34:57Z)
• Geometric Constraints Enable Self-Supervised Sinogram Inpainting in Sparse-View Tomography [7.416898042520079]
  スパース角度トモグラフィースキャンは放射線を低減し、データ取得を加速するが、画像のアーチファクトやノイズに悩まされる。 既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。 本研究は、勾配に基づく最適化により、欠落した射影ビューを最適化する自己教師付きプロジェクションインペインティング法を提案する。
  論文  参考訳（メタデータ） (2023-02-13T15:15:18Z)
• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)
• Calibrated Bagging Deep Learning for Image Semantic Segmentation: A Case Study on COVID-19 Chest X-ray Image [3.135883872525168]
  胸部X線(CXR)やCT(CT)などの画像検査は、臨床スタッフに有用な情報を提供することができる。 深層学習は、新型コロナウイルス感染症領域のセグメンテーションと疾患分類の実行に応用されている。 本研究では,バッジ深層学習とモデル校正を統合した新しいアンサンブル深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-27T20:06:45Z)
• Learning Perspective Deformation in X-Ray Transmission Imaging [8.55389652039053]
  コーンビームX線透過イメージングでは、X線のばらつきにより、画像の深さが異なる構造がX線検出器に異なる倍率係数を持つ。 パースペクティブ変形は、解剖学的構造の直接的かつ正確な幾何学的評価において困難を引き起こす。 我々は、視点投影を直交射影に変換する学習的視点変形について検討する。
  論文  参考訳（メタデータ） (2022-02-13T17:25:01Z)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)
• Pseudo-domains in imaging data improve prediction of future disease status in multi-center studies [57.712855968194305]
  本研究では,多数の異なるスキャンサイトと,各サイト毎のサンプル数に対処可能な予測手法を提案する。 以上の結果より,初診後48週,12週間の肝疾患経過観察の結果から,聴力低下の予測精度が向上した。
  論文  参考訳（メタデータ） (2021-11-15T09:40:54Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)

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。