Fugu-MT 論文翻訳(概要): Preoperative Rotator Cuff Tear Prediction from Shoulder Radiographs using a Convolutional Block Attention Module-Integrated Neural Network

論文の概要: Preoperative Rotator Cuff Tear Prediction from Shoulder Radiographs using a Convolutional Block Attention Module-Integrated Neural Network

arxiv url: http://arxiv.org/abs/2408.09894v1
Date: Mon, 19 Aug 2024 11:08:49 GMT
ステータス: 処理完了
システム内更新日: 2024-08-20 16:35:11.019489
Title: Preoperative Rotator Cuff Tear Prediction from Shoulder Radiographs using a Convolutional Block Attention Module-Integrated Neural Network
Title（参考訳）: Convolutional Block Attention Module-Integrated Neural Network を用いた肩部X線写真からの術前回転子断裂予測
Authors: Chris Hyunchul Jo, Jiwoong Yang, Byunghwan Jeon, Hackjoon Shim, Ikbeom Jang,
Abstract要約: 肩部X線写真と深達度学習法を併用して, 肩腱板断裂患者の診断に有用かどうかを検証した。畳み込みブロックアテンションモジュールを深部ニューラルネットワークに組み込むことで, 腱板断裂患者を高精度に検出できることを示す。
参考スコア（独自算出の注目度）: 0.04590531202809992
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Research question: We test whether a plane shoulder radiograph can be used together with deep learning methods to identify patients with rotator cuff tears as opposed to using an MRI in standard of care. Findings: By integrating convolutional block attention modules into a deep neural network, our model demonstrates high accuracy in detecting patients with rotator cuff tears, achieving an average AUC of 0.889 and an accuracy of 0.831. Meaning: This study validates the efficacy of our deep learning model to accurately detect rotation cuff tears from radiographs, offering a viable pre-assessment or alternative to more expensive imaging techniques such as MRI.
Abstract（参考訳）: 研究課題: 肩部X線写真と深達度学習法を併用して, 肩腱板断裂患者をMRIで診断する方法について検討した。結果: 深部ニューラルネットワークに畳み込みブロック注意モジュールを組み込むことで, 腱板断裂症例の検出精度が向上し, 平均AUCは0.889, 精度0.831となった。意義:本研究では,X線写真からの回転カフ断裂を正確に検出するためのディープラーニングモデルの有効性を検証する。

関連論文リスト

Unsupervised dMRI Artifact Detection via Angular Resolution Enhancement and Cycle Consistency Learning [45.3610312584439]
拡散磁気共鳴イメージング(dMRI)は神経画像研究において重要な技術であり、脳組織の基盤構造を非侵襲的に探究することができる。臨床dMRIデータは、取得中に様々なアーティファクトに影響を受けやすいため、信頼性の低いその後の分析に繋がる可能性がある。我々は、$textbfU$n $textbfd$MRI $textbfA$rtifact $textbfD$etection via $textbfA$ngular Resolution Enhancement and $textbfC$ycleと呼ばれる新しい教師なしディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2024-09-24T08:56:10Z)
Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
論文参考訳（メタデータ） (2023-08-06T03:28:08Z)
Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
論文参考訳（メタデータ） (2023-06-05T22:09:06Z)
Exploring contrast generalisation in deep learning-based brain MRI-to-CT synthesis [0.0]
MRIプロトコルは、経時的に変化するか、または低品質のsCTをもたらすセンターによって異なる可能性がある。ドメインランダム化(DR)は、脳sCT生成のためのDLモデルの一般化を増大させる。
論文参考訳（メタデータ） (2023-03-17T18:45:05Z)
A Novel Mask R-CNN Model to Segment Heterogeneous Brain Tumors through Image Subtraction [0.0]
画像セグメンテーション(画像セグメンテーション)と呼ばれる放射線学者による手法を用いて機械学習モデルに適用し,より優れたセグメンテーションを証明した。 Mask R-CNNは、RSNA肺炎検出チャレンジデータセットで事前トレーニングされたResNetバックボーンであり、Brats 2020 Brain tumorデータセットでモデルをトレーニングすることができる。 DICE係数(F1スコア)、リコール、未タッチテストセットの精度による画像サブトラクションを伴わないモデルと比較することにより、画像サブトラクションの手法がいかにうまく機能するかを確認できる。
論文参考訳（メタデータ） (2022-04-04T01:45:11Z)
StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
論文参考訳（メタデータ） (2022-01-31T14:27:35Z)
A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-24T18:58:40Z)
A Practical Framework for ROI Detection in Medical Images -- a case study for hip detection in anteroposterior pelvic radiographs [2.007676195550049]
医療用画像におけるROI検出の実践的枠組みを提案し,骨盤X線写真における股関節検出のケーススタディを行った。 7,399個のAP骨盤X線写真に見られる股関節を3つのソースから分析したレトロスペクティブ研究を実施した。 IoU=0.8115,平均信頼=0.9812,しきい値IoU=0.5(AP50)=0.9901の平均精度を達成した。
論文参考訳（メタデータ） (2021-03-02T09:21:08Z)
ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文参考訳（メタデータ） (2021-02-25T14:52:23Z)
Automatic Breast Lesion Detection in Ultrafast DCE-MRI Using Deep Learning [0.0]
超高速DCE-MRIにおける乳房病変検出のためのディープラーニングによるコンピュータ支援検出(CADe)手法を提案する。動的取得の初期段階から得られる3次元空間情報と時間情報の両方を用いる。
論文参考訳（メタデータ） (2021-02-07T22:03:39Z)
A Convolutional Approach to Vertebrae Detection and Labelling in Whole Spine MRI [70.04389979779195]
脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
論文参考訳（メタデータ） (2020-07-06T09:37:12Z)

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。