論文の概要: Automated external cervical resorption segmentation in cone-beam CT using local texture features

• arxiv url: http://arxiv.org/abs/2501.05236v1
• Date: Thu, 09 Jan 2025 13:43:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 13:59:04.055429
• Title: Automated external cervical resorption segmentation in cone-beam CT using local texture features
• Title（参考訳）: 局所的テクスチャ特徴を用いたコーンビームCTにおける自動外頚部吸収セグメンテーション
• Authors: Sadhana Ravikumar, Asma A. Khan, Matthew C. Davis, Beatriz Paniagua,
• Abstract要約: 外側頚椎吸収 (ECR) は歯に影響を及ぼす吸収過程である。 CT(cone-beam Computed tomography)は,EMCの適切な評価のために推奨される画像モダリティである。 本稿では,局所的に抽出されたボクセルのテクスチャ特徴の自動二分分類に基づくECR病変のセグメンテーション法を提案する。
• 参考スコア（独自算出の注目度）: 0.14025454637917362
• License:
• Abstract: External cervical resorption (ECR) is a resorptive process affecting teeth. While in some patients, active resorption ceases and gets replaced by osseous tissue, in other cases, the resorption progresses and ultimately results in tooth loss. For proper ECR assessment, cone-beam computed tomography (CBCT) is the recommended imaging modality, enabling a 3-D characterization of these lesions. While it is possible to manually identify and measure ECR resorption in CBCT scans, this process can be time intensive and highly subject to human error. Therefore, there is an urgent need to develop an automated method to identify and quantify the severity of ECR resorption using CBCT. Here, we present a method for ECR lesion segmentation that is based on automatic, binary classification of locally extracted voxel-wise texture features. We evaluate our method on 6 longitudinal CBCT datasets and show that certain texture-features can be used to accurately detect subtle CBCT signal changes due to ECR. We also present preliminary analyses clustering texture features within a lesion to stratify the defects and identify patterns indicative of calcification. These methods are important steps in developing prognostic biomarkers to predict whether ECR will continue to progress or cease, ultimately informing treatment decisions.
• Abstract（参考訳）: 外側頚椎吸収 (ECR) は歯に影響を及ぼす吸収過程である。 一部の患者では、活性的な吸収が停止し、骨組織に置き換えられるが、他の患者では、吸収が進行し、最終的に歯が失われる。 ECRを適切に評価するためには、コーンビームCT(CBCT)が推奨される画像モダリティであり、これらの病変の3次元的特徴付けを可能にする。 CBCTスキャンで手動でECRの吸収を同定し測定することは可能であるが、このプロセスは時間的に重く、人的ミスを被る可能性がある。 そのため,CBCT を用いて ECR 吸収の重症度を同定し定量化するための自動手法の開発が急務である。 本稿では,局所的に抽出されたボクセルのテクスチャ特徴の自動二分分類に基づくECR病変のセグメンテーション法を提案する。 ECRによる微妙なCBCT信号変化を正確に検出するために, テクスチャ特徴が有効であることを示す。 また,腫瘍内の集合組織の特徴を解析し,その欠陥を成層化し,石灰化を示唆するパターンを同定する。 これらの手法は、ECRが進行し続けるか停止するかを予測し、最終的に治療決定を下すために、予後のよいバイオマーカーを開発するための重要なステップである。

関連論文リスト

• Class Activation Map-based Weakly supervised Hemorrhage Segmentation using Resnet-LSTM in Non-Contrast Computed Tomography images [0.06269281581001895]
  非造影CT(non-contrast CT, NCCT)による重症度評価にて頭蓋内出血を診断した。 ディープラーニング(DL)ベースの手法は大きな可能性を示しているが、トレーニングには大量の手書きの病変レベルラベルが必要である。 画像レベルのバイナリ分類ラベルを用いて,NCCTスキャン上でのICHセグメンテーションの弱教師付きDL手法を提案する。
  論文  参考訳（メタデータ） (2023-09-28T17:32:19Z)
• Automated Identification of Failure Cases in Organ at Risk Segmentation Using Distance Metrics: A Study on CT Data [0.19661503834671132]
  オートマチック・オルガン・アット・リスク(OAR)セグメンテーションはCTスキャンにおける放射線治療計画に不可欠である。 本稿では,Dice と Hausdorff 距離の組み合わせのしきい値を設定することで,障害事例を自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2023-08-21T11:14:49Z)
• 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)
• Predicting Thrombectomy Recanalization from CT Imaging Using Deep Learning Models [4.780704816027884]
  術前CTとCTA画像を用いて,患者の再石灰化スコアの完全自動予測を提案した。 我々のトップモデルは平均クロスバリデードROC-AUC 77.33 $pm$3.9%を達成した。
  論文  参考訳（メタデータ） (2023-02-08T15:41:21Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• An Interpretable Approach to Automated Severity Scoring in Pelvic Trauma [3.762671763237911]
  骨盤輪の破壊は鈍的外傷機構によって引き起こされ、多系統外傷患者にしばしば見られる。 全身CTによる骨盤骨折の重症度評価にはTile AO/OTA分類が多用されている。 本稿では, 骨盤外傷の自動診断支援システムについて紹介する。
  論文  参考訳（メタデータ） (2021-05-21T09:52:33Z)
• Segmentation of Retinal Low-Cost Optical Coherence Tomography Images using Deep Learning [2.571523045125397]
  治療の必要性は、病原性OCTベースのバイオマーカーの存在または変化によって決定される。 現在の治療スキームのモニタリング頻度は、個別に患者に適応していないため、しばしば不十分である。 ホームモニタリングOCTシステムの重要な要件の1つは、病理学的変化を自動的に検出し定量化するコンピュータ支援診断である。
  論文  参考訳（メタデータ） (2020-01-23T12:55:53Z)

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。