論文の概要: Leveraging Auxiliary Classification for Rib Fracture Segmentation

• arxiv url: http://arxiv.org/abs/2411.09283v1
• Date: Thu, 14 Nov 2024 08:40:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:23:50.128177
• Title: Leveraging Auxiliary Classification for Rib Fracture Segmentation
• Title（参考訳）: リブフラクチャー・セグメンテーションのレバレッジ補助分類
• Authors: Harini G., Aiman Farooq, Deepak Mishra,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.163088719949993
• License:
• Abstract: Thoracic trauma often results in rib fractures, which demand swift and accurate diagnosis for effective treatment. However, detecting these fractures on rib CT scans poses considerable challenges, involving the analysis of many image slices in sequence. Despite notable advancements in algorithms for automated fracture segmentation, the persisting challenges stem from the diverse shapes and sizes of these fractures. To address these issues, this study introduces a sophisticated deep-learning model with an auxiliary classification task designed to enhance the accuracy of rib fracture segmentation. The auxiliary classification task is crucial in distinguishing between fractured ribs and negative regions, encompassing non-fractured ribs and surrounding tissues, from the patches obtained from CT scans. By leveraging this auxiliary task, the model aims to improve feature representation at the bottleneck layer by highlighting the regions of interest. Experimental results on the RibFrac dataset demonstrate significant improvement in segmentation performance.
• Abstract（参考訳）: 胸部外傷は胸骨骨折を来すことが多く、治療に迅速かつ正確な診断が必要である。 しかし、これらの骨折をリブCTスキャンで検出することは、多くの画像スライスを連続的に解析することを含む、大きな課題を引き起こす。 自動骨折セグメンテーションのためのアルゴリズムの顕著な進歩にもかかわらず、持続する課題は、これらの骨折の様々な形状と大きさに由来する。 これらの課題に対処するために, 骨盤骨折分割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なディープラーニングモデルを提案する。 補助分類課題は, 骨折リブと非骨折リブと周囲組織を含む負の領域をCTスキャンから得られたパッチと区別するために重要である。 この補助的タスクを活用することで、関心領域を強調することでボトルネック層における特徴表現を改善することを目指している。 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。

関連論文リスト

• 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)
• A multi-stage semi-supervised learning for ankle fracture classification on CT images [16.772298853243807]
  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。
  論文  参考訳（メタデータ） (2024-03-29T05:35:04Z)
• 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)
• 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)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Adversarial Transformer for Repairing Human Airway Segmentation [7.176060570019899]
  本稿では,従来のCT画像とともに事前分割を行い,気道構造の精細化マスクを出力するパッチスケール対向型精細化ネットワークを提案する。 その結果, 7つの測定値から定量的に評価し, 検出された長さ比と検出された枝比の15%以上を達成できた。
  論文  参考訳（メタデータ） (2022-10-21T15:20:08Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• 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。