Fugu-MT 論文翻訳(概要): SpineFM: Leveraging Foundation Models for Automatic Spine X-ray Segmentation

論文の概要: SpineFM: Leveraging Foundation Models for Automatic Spine X-ray Segmentation

arxiv url: http://arxiv.org/abs/2411.00326v1
Date: Fri, 01 Nov 2024 02:51:21 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-05 14:46:26.920903
Title: SpineFM: Leveraging Foundation Models for Automatic Spine X-ray Segmentation
Title（参考訳）: SpineFM: 自動X線セグメンテーションのための基礎モデルの活用
Authors: Samuel J. Simons, Bartłomiej W. Papież,
Abstract要約: 本稿では,脊椎の自動分割と同定における最先端性能を実現する新しいパイプラインであるSpineFMを紹介する。椎骨の97.8%と99.6%の同定に成功した2つの公開X線データセットにおいて、優れた結果を得た。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This paper introduces SpineFM, a novel pipeline that achieves state-of-the-art performance in the automatic segmentation and identification of vertebral bodies in cervical and lumbar spine radiographs. SpineFM leverages the regular geometry of the spine, employing a novel inductive process to sequentially infer the location of each vertebra along the spinal column. Vertebrae are segmented using Medical-SAM-Adaptor, a robust foundation model that diverges from commonly used CNN-based models. We achieved outstanding results on two publicly available spine X-Ray datasets, with successful identification of 97.8\% and 99.6\% of annotated vertebrae, respectively. Of which, our segmentation reached an average Dice of 0.942 and 0.921, surpassing previous state-of-the-art methods.
Abstract（参考訳）: 本稿では,頚椎X線写真と腰椎X線写真における椎体の自動分割と同定における最先端性能を実現するパイプラインであるSpineFMについて紹介する。 SpineFMは脊椎の規則的な形状を活用し、脊椎に沿って各脊椎の位置を逐次推測する新しい誘導法を用いている。 Vertebraeは、一般的に使用されるCNNベースのモデルから分岐する堅牢な基盤モデルであるMedicical-SAM-Adaptorを使用して、セグメント化される。我々は2つの公用脊椎X線データセットにおいて、それぞれ97.8\%と99.6\%の注釈付き椎骨の同定に成功した。その内、我々のセグメンテーションは平均0.942と0.921に達し、従来の最先端手法を上回りました。

関連論文リスト

TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文参考訳（メタデータ） (2024-05-29T20:15:54Z)
SPINEPS -- Automatic Whole Spine Segmentation of T2-weighted MR images using a Two-Phase Approach to Multi-class Semantic and Instance Segmentation [6.931184815441744]
我々は,T2wMRI画像中の14個の脊髄構造の意味とインスタンスセグメンテーションのためのオープンソースのディープラーニング手法を提案する。 SPIDERデータセット(被験者218名,女性63%)とドイツ国立コホート(被験者1423名,平均53名,女性49%)をトレーニングおよび評価に使用した。自動生成アノテーションのトレーニングとGNCによる手動修正試験データによる評価では、脊椎では0.900点、椎間板では0.960点、脊椎では0.947点が得られた。
論文参考訳（メタデータ） (2024-02-26T07:45:14Z)
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)
VertDetect: Fully End-to-End 3D Vertebral Instance Segmentation Model [0.0]
本稿では,完全自動3次元脊椎椎体分割畳み込みニューラルネットワーク(CNN)モデルであるVertDetectを提案する。共有CNNバックボーンの利用は、脊髄と脊椎の両方のレベル情報を含む特徴マップを備えたネットワークの検出とセグメンテーションのブランチを提供する。このモデルは、エンド・ツー・エンドのアーキテクチャにおいて最先端のパフォーマンスを達成し、その設計により、その後下流のタスクに使用できる機能の抽出が容易になる。
論文参考訳（メタデータ） (2023-11-16T15:29:21Z)
Predicting Spine Geometry and Scoliosis from DXA Scans [49.68543422441626]
まず、ニューラルネットワークをトレーニングして、スキャン中のミドルスピン曲線を予測し、次いで積分法を用いて、スピン曲線に沿った曲率を決定する。最大曲率を評価関数として用いて, 脊椎変形の重症度を推定できることが示唆された。
論文参考訳（メタデータ） (2023-11-15T22:49:08Z)
VertXNet: An Ensemble Method for Vertebrae Segmentation and Identification of Spinal X-Ray [3.7139410609392933]
VertXNetは脊椎X線画像に脊椎を自動的に分類しラベル付けするためのアンサンブルパイプラインである。 2つの最先端(SOTA)セグメンテーションモデル(特にU-NetとMask R-CNN)を組み合わせることで、X線脊椎画像における脊椎の自動セグメンテーションとラベル付けを行う。提案したパイプラインを3つの脊髄X線データセット(内部2点,公開1点)で評価し,放射線医が注釈した椎骨との比較を行った。
論文参考訳（メタデータ） (2023-02-07T14:01:32Z)
Context-Aware Transformers For Spinal Cancer Detection and Radiological Grading [70.04389979779195]
本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。 MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
論文参考訳（メタデータ） (2022-06-27T10:31:03Z)
SpineNetV2: Automated Detection, Labelling and Radiological Grading Of Clinical MR Scans [70.04389979779195]
SpineNetV2は、臨床脊髄磁気共鳴(MR)スキャンで脊椎を検知し、ラベル付けする自動化ツールである。また、T2強調スキャンで腰椎椎間板のX線学的グレーディングを行い、様々な一般的な変性変化を観察する。
論文参考訳（メタデータ） (2022-05-03T15:05:58Z)
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)
Analysis of Scoliosis From Spinal X-Ray Images [17.8260780895433]
脊柱管の計測には脊椎のラベル付けと識別が必要である。スコリオーシス(英: Scoliosis)は、脊椎が正常な形状から変形する先天性疾患である。そこで本研究では,脊柱管狭窄計測に伴う脊椎の完全自動的,信頼性の高いセグメンテーションを提供するエンドツーエンドセグメンテーションモデルを提案する。
論文参考訳（メタデータ） (2020-04-15T05:36:28Z)

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。