論文の概要: Osteoporosis Prediction from Hand X-ray Images Using Segmentation-for-Classification and Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2412.05345v1
• Date: Fri, 06 Dec 2024 13:47:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:56:25.171221
• Title: Osteoporosis Prediction from Hand X-ray Images Using Segmentation-for-Classification and Self-Supervised Learning
• Title（参考訳）: セグメンテーション・フォー・クラシファイションと自己監督学習を用いた手指X線画像からの骨粗しょう症の予測
• Authors: Ung Hwang, Chang-Hun Lee, Kijung Yoon,
• Abstract要約: Dual-Energy X-ray absorptiometry (DXA)のような骨密度試験に限定的にアクセスするため、診断も治療も行われていない慢性代謝性骨疾患である。 本稿では手・手首X線画像を用いた骨粗しょう症の予測手法を提案する。
• 参考スコア（独自算出の注目度）: 3.267409660494317
• License:
• Abstract: Osteoporosis is a widespread and chronic metabolic bone disease that often remains undiagnosed and untreated due to limited access to bone mineral density (BMD) tests like Dual-energy X-ray absorptiometry (DXA). In response to this challenge, current advancements are pivoting towards detecting osteoporosis by examining alternative indicators from peripheral bone areas, with the goal of increasing screening rates without added expenses or time. In this paper, we present a method to predict osteoporosis using hand and wrist X-ray images, which are both widely accessible and affordable, though their link to DXA-based data is not thoroughly explored. We employ a sophisticated image segmentation model that utilizes a mixture of probabilistic U-Net decoders, specifically designed to capture predictive uncertainty in the segmentation of the ulna, radius, and metacarpal bones. This model is formulated as an optimal transport (OT) problem, enabling it to handle the inherent uncertainties in image segmentation more effectively. Further, we adopt a self-supervised learning (SSL) approach to extract meaningful representations without the need for explicit labels, and move on to classify osteoporosis in a supervised manner. Our method is evaluated on a dataset with 192 individuals, cross-referencing their verified osteoporosis conditions against the standard DXA test. With a notable classification score, this integration of uncertainty-aware segmentation and self-supervised learning represents a pioneering effort in leveraging vision-based techniques for the early detection of osteoporosis from peripheral skeletal sites.
• Abstract（参考訳）: 骨粗しょう症は, 骨密度(BMD)検査に制限があるため, 診断も治療も行われていないが, 骨粗しょう症は慢性的なメタボリック骨疾患である。 この課題に応えて、現在の進歩は、費用や時間を加えずにスクリーニング率を高めることを目的として、周辺骨領域の代替指標を調べることによって骨粗しょう症の検出に向けて方向転換している。 本稿では,手・手首X線画像を用いた骨粗しょう症の予測手法を提案する。 我々は,U-Netデコーダの混在を利用した高度な画像分割モデルを用いて,尺骨,半径骨,中手骨のセグメンテーションにおける予測不確かさを捉える。 このモデルは最適な輸送(OT)問題として定式化され、画像分割における不確実性をより効果的に扱うことができる。 さらに,明示的なラベルを必要とせずに意味のある表現を抽出するために,自己教師あり学習(SSL)アプローチを採用し,骨粗しょう症を教師付き方法で分類する。 本手法は192名を対象に, 標準的なDXA試験と比較し, 骨粗しょう症の診断条件を横断的に検討した。 この不確実性を認識したセグメンテーションと自己教師付き学習の統合は、周辺骨格部位から骨粗しょう症を早期に検出するために視覚に基づく手法を活用する先駆的な試みである。

関連論文リスト

• Unsupervised Machine Learning for Osteoporosis Diagnosis Using Singh Index Clustering on Hip Radiographs [0.0]
  Singh Index (SI) は単純で半定量的な骨粗しょう症の診断方法である。 本研究は, 機械学習アルゴリズムを用いて, ラジオグラフからのSI識別を自動化することを目的とする。
  論文  参考訳（メタデータ） (2024-11-22T08:44:43Z)
• 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)
• Osteoporosis Prediction from Hand and Wrist X-rays using Image Segmentation and Self-Supervised Learning [2.9909606678660587]
  Dual-Energy X-ray absorptiometry (DXA)のような骨密度試験に限定的にアクセスするため、診断も治療も行われていない慢性代謝性骨疾患である。 本稿では手・手首X線画像を用いた骨粗しょう症の予測手法を提案する。
  論文  参考訳（メタデータ） (2023-11-12T13:19:00Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• 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)
• BMD-GAN: Bone mineral density estimation using x-ray image decomposition into projections of bone-segmented quantitative computed tomography using hierarchical learning [1.8762753243053634]
  そこで本研究では,QCTを用いて生成的対位ネットワーク(GAN)を訓練し,X線画像を骨分節QCTの投影に分解する手法を提案する。 変形性膝関節症患者200名を対象に, 予測真理と地上真理のピアソン相関係数が0.888であった。
  論文  参考訳（メタデータ） (2022-07-07T10:33:12Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• Opportunistic Screening of Osteoporosis Using Plain Film Chest X-ray [23.41545684473636]
  骨粗しょう症は、骨密度検査へのアクセスが限られているため、しばしば診断され、治療されていない慢性代謝骨疾患です。 本論文では、最も一般的で、アクセス可能で、低コストの医療画像検査の1つである胸部X線(CXR)からBMDを予測する方法を提案する。
  論文  参考訳（メタデータ） (2021-04-05T01:25:23Z)
• Semi-Supervised Learning for Bone Mineral Density Estimation in Hip X-ray Images [19.17169803995019]
  骨密度は骨粗しょう症の臨床的に重要な指標です。 DEXAの機械および検査の限られたアクセス性のために、骨粗しょう症は頻繁に診断され、未処理です。
  論文  参考訳（メタデータ） (2021-03-24T20:59:54Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• 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)

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。