論文の概要: Measurement of Medial Elbow Joint Space using Landmark Detection
- arxiv url: http://arxiv.org/abs/2412.13010v2
- Date: Tue, 25 Feb 2025 09:52:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-26 19:56:49.681663
- Title: Measurement of Medial Elbow Joint Space using Landmark Detection
- Title（参考訳）: ランドマーク検出による肘関節空間の測定
- Authors: Shizuka Akahori, Shotaro Teruya, Pragyan Shrestha, Yuichi Yoshii, Ryuhei Michinobu, Satoshi Iizuka, Itaru Kitahara,
- Abstract要約: 本研究は関節腔を計測する新しい超音波肘部データセットを提案する。
このデータセットは、22人の被験者から4,201個の肘超音波画像からなり、上腕骨と尺骨にランドマークの注釈が付けられている。
本研究では,熱マップに基づく,回帰に基づく,トークンに基づくランドマーク検出手法を用いて,提案したデータセットを用いた共同空間計測手法の評価を行った。
- 参考スコア（独自算出の注目度）: 3.6070136675401656
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Ultrasound imaging of the medial elbow is crucial for the early diagnosis of Ulnar Collateral Ligament (UCL) injuries. Specifically, measuring the elbow joint space in ultrasound images is used to assess the valgus instability of the elbow caused by UCL injuries. To automate this measurement, a model trained on a precisely annotated dataset is necessary; however, no publicly available dataset exists to date. This study introduces a novel ultrasound medial elbow dataset to measure the joint space. The dataset comprises 4,201 medial elbow ultrasound images from 22 subjects, with landmark annotations on the humerus and ulna, based on the expertise of three orthopedic surgeons. We evaluated joint space measurement methods on our proposed dataset using heatmap-based, regression-based, and token-based landmark detection methods. While heatmap-based landmark detection methods generally achieve high accuracy, they sometimes produce multiple peaks on a heatmap, leading to incorrect detection. To mitigate this issue and enhance landmark localization, we propose Shape Subspace (SS) landmark refinement by measuring geometrical similarities between the detected and reference landmark positions. The results show that the mean joint space measurement error is 0.116 mm when using HRNet. Furthermore, SS landmark refinement can reduce the mean absolute error of landmark positions by 0.010 mm with HRNet and by 0.103 mm with ViTPose on average. These highlight the potential for high-precision, real-time diagnosis of UCL injuries by accurately measuring joint space. Lastly, we demonstrate point-based segmentation for the humerus and ulna using the detected landmarks as inputs. Our dataset will be publicly available at https://github.com/Akahori000/Ultrasound-Medial-Elbow-Dataset
- Abstract（参考訳）: 尺骨側副靭帯損傷(UCL)の早期診断には,術中肘の超音波診断が重要である。
具体的には,UCL損傷による肘関節の不安定性を評価するために,超音波画像の肘関節空間を測定する。
この測定を自動化するには、正確にアノテートされたデータセットでトレーニングされたモデルが必要である。
本研究は,関節腔を計測する新しい超音波肘部データセットを提案する。
このデータセットは、22人の被験者から4,201個の肘超音波画像からなり、3人の整形外科医の専門知識に基づいて上腕骨と尺骨に目立たしい注釈が付けられている。
本研究では,熱マップに基づく,回帰に基づく,トークンに基づくランドマーク検出手法を用いて,提案したデータセットを用いた共同空間計測手法の評価を行った。
熱マップに基づくランドマーク検出法は一般的に高い精度を達成するが、ヒートマップ上で複数のピークを発生させる場合があり、誤検出につながる。
この問題を緩和し、ランドマークの局所化を高めるために、検出されたランドマーク位置と参照ランドマーク位置の幾何的類似性を測定することで、形状部分空間(SS)ランドマークの改良を提案する。
その結果,HRNetを用いた場合の平均関節空間測定誤差は0.116mmであった。
さらに、SSランドマークの改良により、ランドマーク位置の平均絶対誤差をHRNetで0.010mm、ViTPoseで0.103mm削減することができる。
これらは関節空間を正確に測定することにより,UCL損傷の高精度,リアルタイム診断の可能性を強調している。
最後に,検出されたランドマークを入力として,上腕骨と尺骨に対する点ベースセグメンテーションを示す。
私たちのデータセットはhttps://github.com/Akahori000/Ultrasound-Medial-Elbow-Datasetで公開されます。
関連論文リスト
- SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。
SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。
Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
論文 参考訳（メタデータ） (2024-11-14T17:06:00Z) - Localizing Anomalies via Multiscale Score Matching Analysis [13.898576482792173]
本稿では,脳MRIにおける異常局所化のための新しい教師なし手法であるSpatial-MSMAを紹介する。
パッチ位置とグローバル画像の特徴を条件としたフレキシブルな正規化フローモデルを用いて、パッチワイド異常スコアを推定する。
この方法は、通常発達している幼児の1,650T1およびT2重み付き脳MRIのデータセットで評価される。
論文 参考訳（メタデータ） (2024-06-28T17:57:12Z) - Automatic Ultrasound Curve Angle Measurement via Affinity Clustering for Adolescent Idiopathic Scoliosis Evaluation [1.9747854071595796]
思春期特発性強皮症(AIS)を評価するための現在の臨床金基準は、コブ角測定を用いたX線X線撮影である。
自動超音波曲線角測定(UCA)のための推定モデルを提案する。
このモデルでは、二重ブランチネットワークを用いて、候補のランドマークを検出し、超音波コロナ画像の椎骨分割を行う。
論文 参考訳（メタデータ） (2024-05-06T03:28:47Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Weakly-supervised positional contrastive learning: application to
cirrhosis classification [45.63061034568991]
大規模な医療画像データセットは、低信頼で弱いラベルで安価に注釈を付けることができる。
組織学に基づく診断のような高信頼なラベルへのアクセスは稀で費用がかかる。
提案手法は,効率的な弱教師付き位置対応学習戦略 (WSP) を提案する。
論文 参考訳（メタデータ） (2023-07-10T15:02:13Z) - Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。
アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
論文 参考訳（メタデータ） (2023-07-07T18:57:21Z) - Comparison of Evaluation Metrics for Landmark Detection in CMR Images [0.8219153654616499]
右室挿入点のラベルを付加したパブリックACDCデータセットを拡張した。
ヒートマップに基づくランドマーク検出パイプラインのさまざまなバリエーションを比較した。
予備的な結果は、異なるメトリクスの組み合わせが必要であることを示している。
論文 参考訳（メタデータ） (2022-01-25T15:58:30Z) - Two-Stage Mesh Deep Learning for Automated Tooth Segmentation and
Landmark Localization on 3D Intraoral Scans [56.55092443401416]
TS-MDLの最初の段階では、mphiMeshSegNetは0.953pm0.076$で平均Dice類似係数(DSC)に達した。
PointNet-Reg は平均絶対誤差 (MAE) が 0.623pm0.718, mm$ であり、ランドマーク検出の他のネットワークよりも優れている。
論文 参考訳（メタデータ） (2021-09-24T13:00:26Z) - A Deep Learning-based Method to Extract Lumen and Media-Adventitia in
Intravascular Ultrasound Images [3.2963079183841297]
血管内超音波(IVUS)による冠動脈壁の直接の可視化が可能。
現在のセグメンテーションは、時間とユーザ依存のマニュアル操作に依存している。
本稿では,エンコーダ・デコーダ深層アーキテクチャを用いた深層学習に基づく手法を提案する。
論文 参考訳（メタデータ） (2021-02-21T00:10:05Z) - Pose-dependent weights and Domain Randomization for fully automatic
X-ray to CT Registration [51.280096834264256]
完全自動X線CT登録は、既存の強度ベース登録の範囲内での最初のアライメントを必要とする。
この作業は、エンドツーエンドの登録を可能にする新しい自動初期化を提供する。
ミリメートルにおける平均(+標準偏差)ターゲット登録誤差は、成功率92%の模擬X線に対して4.1 +- 4.3、成功率86.8%の実X線に対して4.2 +- 3.9であり、成功率は30mm未満の翻訳誤差と定義される。
論文 参考訳（メタデータ） (2020-11-14T12:50:32Z) - Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using
Image Sequence Classification [55.96221340756895]
前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。
本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。
マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。
このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
論文 参考訳（メタデータ） (2020-10-06T13:55:02Z) - Learning from Suspected Target: Bootstrapping Performance for Breast
Cancer Detection in Mammography [6.323318523772466]
対象領域の選択と訓練を行う新しいサンプリング手順とともに,新しいトップ可能性損失を導入する。
まず,提案手法をプライベートな高密度マンモグラフィーデータセット上で検証する。
以上の結果から,本手法は偽陽性率を大幅に低減し,質量型癌検出では0.25倍の特異性を示した。
論文 参考訳（メタデータ） (2020-03-01T09:04:24Z) - 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) - Delineating Bone Surfaces in B-Mode Images Constrained by Physics of
Ultrasound Propagation [4.669073579457748]
超音波における骨表面のデライン化は, 診断, 手術計画, 術後の整形外科的経過に有意な関連がある。
骨表面のデライン化を目的として,超音波伝搬の物理を因子グラフの定式化にエンコードする手法を提案する。
論文 参考訳（メタデータ） (2020-01-07T12:34:42Z)
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。