論文の概要: M-SCAN: A Multistage Framework for Lumbar Spinal Canal Stenosis Grading Using Multi-View Cross Attention

• arxiv url: http://arxiv.org/abs/2503.01634v1
• Date: Mon, 03 Mar 2025 15:10:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:15:15.977487
• Title: M-SCAN: A Multistage Framework for Lumbar Spinal Canal Stenosis Grading Using Multi-View Cross Attention
• Title（参考訳）: マルチビュークロスアテンションを用いた腰部脊柱管狭窄症診断のための多段階フレームワークM-SCAN
• Authors: Arnesh Batra, Arush Gumber, Anushk Kumar,
• Abstract要約: 本稿では,腰部脊柱管狭窄の診断を完全自動化する,新しい,効率的なディープラーニングフレームワークを提案する。 脊柱管狭窄症における経時的成績について,1,975例のユニークな研究結果を用いて検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The increasing prevalence of lumbar spinal canal stenosis has resulted in a surge of MRI (Magnetic Resonance Imaging), leading to labor-intensive interpretation and significant inter-reader variability, even among expert radiologists. This paper introduces a novel and efficient deep-learning framework that fully automates the grading of lumbar spinal canal stenosis. We demonstrate state-of-the-art performance in grading spinal canal stenosis on a dataset of 1,975 unique studies, each containing three distinct types of 3D cross-sectional spine images: Axial T2, Sagittal T1, and Sagittal T2/STIR. Employing a distinctive training strategy, our proposed multistage approach effectively integrates sagittal and axial images. This strategy employs a multi-view model with a sequence-based architecture, optimizing feature extraction and cross-view alignment to achieve an AUROC (Area Under the Receiver Operating Characteristic Curve) of 0.971 in spinal canal stenosis grading surpassing other state-of-the-art methods.
• Abstract（参考訳）: 腰部脊柱管狭窄の出現はMRI(Magnetic Resonance Imaging)の急激な増加を招いた。 本稿では,腰部脊柱管狭窄の診断を完全自動化する,新しい,効率的なディープラーニングフレームワークを提案する。 我々は,1,975枚の異なる3次元横断性脊椎画像(Axial T2, Sagittal T1, Sagittal T2/STIR)のデータセットを用いて, 脊柱管狭窄の診断における最先端性を示す。 本提案手法は,特徴あるトレーニング戦略を用いて,矢状画像と軸画像とを効果的に統合する。 この戦略は, 脊髄狭窄症におけるAUROC(Area Under the Receiver Operating Characteristics Curve) 0.971を達成するために, 特徴抽出とクロスビューアライメントを最適化し, シーケンスベースアーキテクチャを用いた多視点モデルを用いている。

関連論文リスト

• Reconstruction of 3D lumbar spine models from incomplete segmentations using landmark detection [0.4194295877935868]
  不完全な3次元椎体から完全3次元腰椎モデルを再構築する新しい方法を提案する。 本手法は, 腰椎全椎をわずか0.14秒でL1からL5に区分する。
  論文  参考訳（メタデータ） (2024-12-06T14:23:42Z)
• SpineFM: Leveraging Foundation Models for Automatic Spine X-ray Segmentation [0.0]
  本稿では,脊椎の自動分割と同定における最先端性能を実現する新しいパイプラインであるSpineFMを紹介する。 椎骨の97.8%と99.6%の同定に成功した2つの公開X線データセットにおいて、優れた結果を得た。
  論文  参考訳（メタデータ） (2024-11-01T02:51:21Z)
• SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
  本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。 提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。 科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
  論文  参考訳（メタデータ） (2024-02-27T06:32:56Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• 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)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• 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)
• Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
  ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。 本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
  論文  参考訳（メタデータ） (2020-06-28T19:55:34Z)

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。