論文の概要: Gait Patterns as Biomarkers: A Video-Based Approach for Classifying Scoliosis

• arxiv url: http://arxiv.org/abs/2407.05726v3
• Date: Fri, 23 Aug 2024 18:09:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-27 22:47:47.417157
• Title: Gait Patterns as Biomarkers: A Video-Based Approach for Classifying Scoliosis
• Title（参考訳）: バイオマーカーとしての歩行パターン:スコリオーシスの分類のためのビデオベースアプローチ
• Authors: Zirui Zhou, Junhao Liang, Zizhao Peng, Chao Fan, Fengwei An, Shiqi Yu,
• Abstract要約: スコリオーシスは、特に青年期において重要な診断上の課題を呈する。 従来の診断と追跡方法は、臨床専門知識と放射線曝露のリスクのために限界に直面している。 歩行分析を用いた新しいビデオベース非侵襲的スコリオーシス分類法を提案する。
• 参考スコア（独自算出の注目度）: 10.335383345968966
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Scoliosis presents significant diagnostic challenges, particularly in adolescents, where early detection is crucial for effective treatment. Traditional diagnostic and follow-up methods, which rely on physical examinations and radiography, face limitations due to the need for clinical expertise and the risk of radiation exposure, thus restricting their use for widespread early screening. In response, we introduce a novel video-based, non-invasive method for scoliosis classification using gait analysis, effectively circumventing these limitations. This study presents Scoliosis1K, the first large-scale dataset specifically designed for video-based scoliosis classification, encompassing over one thousand adolescents. Leveraging this dataset, we developed ScoNet, an initial model that faced challenges in handling the complexities of real-world data. This led to the development of ScoNet-MT, an enhanced model incorporating multi-task learning, which demonstrates promising diagnostic accuracy for practical applications. Our findings demonstrate that gait can serve as a non-invasive biomarker for scoliosis, revolutionizing screening practices through deep learning and setting a precedent for non-invasive diagnostic methodologies. The dataset and code are publicly available at https://zhouzi180.github.io/Scoliosis1K/.
• Abstract（参考訳）: スコリオーシスは、特に青年期において、早期発見が効果的な治療に不可欠である重要な診断上の課題を呈する。 身体検査や放射線検査に依存する従来の診断・追跡法は、臨床専門知識の必要性と放射線被曝のリスクにより限界に直面し、早期検診に広く使用されることを制限する。 そこで本稿では,歩行分析を用いた新しいビデオベース非侵襲的分類法を提案し,これらの制限を効果的に回避する。 この研究は、ビデオベースのスコリオーシス分類に特化して設計された最初の大規模データセットであるScooliosis1Kを提示する。 このデータセットを活用して、実世界のデータの複雑さを扱う上で課題に直面した初期モデルであるScoNetを開発した。 これにより、マルチタスク学習を取り入れた拡張モデルであるScoNet-MTが開発された。 以上の結果から,歩行は側頭葉症の非侵襲的バイオマーカーとして機能し,深層学習によるスクリーニングの実践に革命をもたらし,非侵襲的診断手法の先駆けとなる可能性が示唆された。 データセットとコードはhttps://zhouzi180.github.io/Scoliosis1K/で公開されている。

関連論文リスト

• 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)
• Novel Pipeline for Diagnosing Acute Lymphoblastic Leukemia Sensitive to Related Biomarkers [0.0]
  急性リンパ芽球性白血病(ALL)は小児の血液型で最も多い。 これらの患者の血液スミア画像を調べることは、専門医がこの病気を診断するために使う方法の1つである。 深層学習に基づく手法は医学分野に多くの応用がある。
  論文  参考訳（メタデータ） (2023-07-08T16:46:16Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Scoliosis Detection using Deep Neural Network [0.0]
  脊柱側方屈曲症は若年層で診断されることが多い。 現在, 脊柱前方X線像を手動で観察し, 頭蓋狭窄を推定する金の基準となっている。 深層学習は、自動脊椎曲率推定において驚くべき成果を上げている。
  論文  参考訳（メタデータ） (2022-10-31T12:52:04Z)
• 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)
• Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale Deep Convolutional Neural Network [8.950918531231158]
  本稿では,KellgrenおよびLawrenceグレードの分類をX線から自動的に評価する,深層学習ベースのフレームワークであるOsteHRNetを提案する。 提案モデルでは,OAIデータセットのベースラインコホートにおいて,71.74%,0.311のMAEが最良である。
  論文  参考訳（メタデータ） (2021-06-27T17:29:46Z)
• Novel Deep Learning Architecture for Heart Disease Prediction using Convolutional Neural Network [0.0]
  心臓病は、世界中の多くの人々の生活を妨げる最も致命的な病気の1つである。 本稿では,健康な人と非健康な人の分類に1次元畳み込みニューラルネットワークを用いた新しいディープラーニングアーキテクチャを提案する。 提案するネットワークは、データセット上で97%以上のトレーニング精度と96%のテスト精度を達成する。
  論文  参考訳（メタデータ） (2021-05-22T22:00:57Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• A Smartphone-based System for Real-time Early Childhood Caries Diagnosis [76.71303610807156]
  6歳未満の小児では, 乳児期チャイナリー (ECC) が最も多いが, 予防可能な慢性疾患である。 本研究では,キャビティ検出のための多段階深層学習システムを提案する。 我々は、ディープラーニングシステムを、早期からECCを診断し、トレーニングされていないユーザにリアルタイムな結果を提供する、使い易いモバイルアプリケーションに統合する。
  論文  参考訳（メタデータ） (2020-08-17T21:11:19Z)

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。