論文の概要: Symmetric Perception and Ordinal Regression for Detecting Scoliosis Natural Image
- arxiv url: http://arxiv.org/abs/2411.15799v1
- Date: Sun, 24 Nov 2024 11:58:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-26 14:20:50.514901
- Title: Symmetric Perception and Ordinal Regression for Detecting Scoliosis Natural Image
- Title（参考訳）: 側頭葉自然像検出のための対称的知覚と規則的回帰
- Authors: Xiaojia Zhu, Rui Chen, Xiaoqi Guo, Zhiwen Shao, Yuhu Dai, Ming Zhang, Chuandong Lang,
- Abstract要約: そこで本研究では,ヒトの背中の自然像を広範囲の側頭症スクリーニングに利用することを提案する。
そこで本研究では,2つの主要モジュールを持つデュアルパス・スコリアス検出ネットワークを提案する。
本法では, 全身重度と細粒度重度をそれぞれ95.11%, 81.46%の精度で評価した。
- 参考スコア（独自算出の注目度）: 7.2344401655166015
- License:
- Abstract: Scoliosis is one of the most common diseases in adolescents. Traditional screening methods for the scoliosis usually use radiographic examination, which requires certified experts with medical instruments and brings the radiation risk. Considering such requirement and inconvenience, we propose to use natural images of the human back for wide-range scoliosis screening, which is a challenging problem. In this paper, we notice that the human back has a certain degree of symmetry, and asymmetrical human backs are usually caused by spinal lesions. Besides, scoliosis severity levels have ordinal relationships. Taking inspiration from this, we propose a dual-path scoliosis detection network with two main modules: symmetric feature matching module (SFMM) and ordinal regression head (ORH). Specifically, we first adopt a backbone to extract features from both the input image and its horizontally flipped image. Then, we feed the two extracted features into the SFMM to capture symmetric relationships. Finally, we use the ORH to transform the ordinal regression problem into a series of binary classification sub-problems. Extensive experiments demonstrate that our approach outperforms state-of-the-art methods as well as human performance, which provides a promising and economic solution to wide-range scoliosis screening. In particular, our method achieves accuracies of 95.11% and 81.46% in estimation of general severity level and fine-grained severity level of the scoliosis, respectively.
- Abstract（参考訳）: スコリオーシスは青年期で最も一般的な疾患の1つである。
従来の検診では放射線検査が用いられており、医療機器の専門家の認定が必要であり、放射線のリスクが伴う。
このような要求や不便さを考慮し,広範性側頭症スクリーニングにヒトの背中の自然像を用いることを提案するが,これは難しい問題である。
本論文では,ヒトの背部は一定の対称性を有しており,非対称なヒトの背部は通常,脊髄病変によって引き起こされていることに気付く。
さらに、スコリオーシスの重症度レベルは、順序的関係を持つ。
そこで本研究では, 対称特徴整合モジュール (SFMM) と順序回帰ヘッド (ORH) の2つの主要モジュールを持つデュアルパス・スコリアス検出ネットワークを提案する。
具体的には、入力画像と水平反転画像の両方から特徴を抽出するために、まずバックボーンを採用する。
次に、抽出した2つの特徴をSFMMに入力し、対称関係を捉える。
最後に、ORHを用いて順序回帰問題を一連のバイナリ分類サブプロブレムに変換する。
広汎な実験により、我々のアプローチは最先端の手法と人的パフォーマンスに優れており、広汎なスコリオーシススクリーニングに対する有望かつ経済的な解決策を提供する。
特に, 本法では, 全身重度と細粒度重度をそれぞれ95.11%, 81.46%の精度で評価した。
関連論文リスト
- Detection of adrenal anomalous findings in spinal CT images using multi model graph aggregation [0.0]
腰痛はプライマリ・ケアの医師に報告される2番目に多い。
腰痛は生涯の人口の50%から80%に影響を及ぼす。
論文 参考訳（メタデータ） (2024-10-27T19:45:15Z) - 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) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - Faint Features Tell: Automatic Vertebrae Fracture Screening Assisted by
Contrastive Learning [11.944282446506396]
長期の脊椎骨折は患者の生活の質に深刻な影響を与え、気胸、腰椎変形、さらには麻痺を引き起こしている。
特に、深層学習モデルや経験の浅い医師では、軽度の骨折と正常なコントロールを区別することは極めて困難である。
そこで本研究では,CTスキャンを用いてGenentの脊椎骨折度を推定するための教師付きコントラスト学習ベースモデルを提案する。
両分類では99%,感度は85%,マクロF1は77%であった。
論文 参考訳（メタデータ） (2022-08-23T02:39:08Z) - 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) - Detecting Outliers with Poisson Image Interpolation [9.928058261360578]
本稿では,画像再構成法と画像埋め込み法に代えて,病理異常検出手法を提案する。
アプローチは,脳MRIおよび腹部CTデータに優れた成績を示した異種パッチ病理(FPI)戦略に端を発する。
我々は,より優れたパッチ戦略であるPoisson Image (PII) を用いることを提案する。
論文 参考訳（メタデータ） (2021-07-06T13:53:17Z) - Simultaneous Estimation of X-ray Back-Scatter and Forward-Scatter using
Multi-Task Learning [59.17383024536595]
後方散乱は複雑な介入の際の患者(皮膚)の服用に大きく寄与する。
前方散乱放射線は投影画像のコントラストを低減し、3次元再構成でアーティファクトを導入する。
本稿では,従来の手法と学習に基づく手法を組み合わせて,検出器に到達した前方散乱を同時に推定する手法を提案する。
論文 参考訳（メタデータ） (2020-07-08T10:47:37Z) - 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) - Anatomy-Aware Siamese Network: Exploiting Semantic Asymmetry for
Accurate Pelvic Fracture Detection in X-ray Images [36.35987775099686]
本研究では,空間トランス層で強化されたシームズネットワーク上に構築された新しいフラクチャー検出フレームワークを提案する。
提案法は, 特発性患者2,359例のPXRに対して広範囲に評価されている。
これは最先端の骨折検出方法の中でも最高であり、臨床症状の改善がある。
論文 参考訳（メタデータ） (2020-07-03T02:33:24Z) - 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) - Vertebra-Focused Landmark Detection for Scoliosis Assessment [54.24477530836629]
脊椎に焦点をあてた新しいランドマーク検出法を提案する。
我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。
その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
論文 参考訳（メタデータ） (2020-01-09T19:17:41Z)
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。