論文の概要: Leveraging Gait Patterns as Biomarkers: An attention-guided Deep Multiple Instance Learning Network for Scoliosis Classification

• arxiv url: http://arxiv.org/abs/2504.03894v1
• Date: Fri, 04 Apr 2025 19:35:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:14:44.302805
• Title: Leveraging Gait Patterns as Biomarkers: An attention-guided Deep Multiple Instance Learning Network for Scoliosis Classification
• Title（参考訳）: バイオマーカーとしての歩行パターンの活用:スコリオーシス分類のための注意誘導深層学習ネットワーク
• Authors: Haiqing Li, Yuzhi Guo, Feng Jiang, Qifeng Zhou, Hehuan Ma, Junzhou Huang,
• Abstract要約: スコリオーシス(Scooliosis)は、早期発見が困難で、胸腔を圧迫する脊椎曲率障害である。 従来のスコリシス検出法は臨床の専門知識に依存しており、X線イメージングは放射線リスクを生じさせる。 本稿では,歩行パターンから識別的特徴を効果的に捉えるために,注意誘導型深層多インスタンス学習法(Gait-MIL)を提案する。
• 参考スコア（独自算出の注目度）: 36.18242379097044
• License:
• Abstract: Scoliosis is a spinal curvature disorder that is difficult to detect early and can compress the chest cavity, impacting respiratory function and cardiac health. Especially for adolescents, delayed detection and treatment result in worsening compression. Traditional scoliosis detection methods heavily rely on clinical expertise, and X-ray imaging poses radiation risks, limiting large-scale early screening. We propose an Attention-Guided Deep Multi-Instance Learning method (Gait-MIL) to effectively capture discriminative features from gait patterns, which is inspired by ScoNet-MT's pioneering use of gait patterns for scoliosis detection. We evaluate our method on the first large-scale dataset based on gait patterns for scoliosis classification. The results demonstrate that our study improves the performance of using gait as a biomarker for scoliosis detection, significantly enhances detection accuracy for the particularly challenging Neutral cases, where subtle indicators are often overlooked. Our Gait-MIL also performs robustly in imbalanced scenarios, making it a promising tool for large-scale scoliosis screening.
• Abstract（参考訳）: スコリオーシス(Scooliosis)は、早期発見が困難で、胸腔を圧迫し、呼吸機能や心臓の健康に影響を及ぼす脊椎曲率障害である。 特に青年期では、遅延検出と治療により圧縮が悪化する。 従来のスコリシス検出法は臨床の専門知識に大きく依存しており、X線画像は放射線リスクを生じ、大規模な早期検診を制限している。 そこで我々は,ScoNet-MTによる歩行パターンの先駆的利用から着想を得た,歩行パターンから識別的特徴を効果的に捉えるための注意誘導深層多インスタンス学習法(Gait-MIL)を提案する。 本手法は,口蓋裂分類のための歩行パターンに基づいて,第1次大規模データセット上で評価する。 以上の結果から,本研究は歩行をバイオマーカーとして用い,特に難易度の高いニュートラル症例に対する検出精度を著しく向上し,微妙な指標をしばしば見落としている。 当社のGait-MILは、不均衡なシナリオでも堅牢に動作し、大規模なスコリオーシススクリーニングのための有望なツールです。

関連論文リスト

• Symmetric Perception and Ordinal Regression for Detecting Scoliosis Natural Image [7.2344401655166015]
  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。
  論文  参考訳（メタデータ） (2024-11-24T11:58:07Z)
• Gait Patterns as Biomarkers: A Video-Based Approach for Classifying Scoliosis [10.335383345968966]
  スコリオーシスは、特に青年期において重要な診断上の課題を呈する。 従来の診断と追跡方法は、臨床専門知識と放射線曝露のリスクのために限界に直面している。 歩行分析を用いた新しいビデオベース非侵襲的スコリオーシス分類法を提案する。
  論文  参考訳（メタデータ） (2024-07-08T08:29:02Z)
• 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)
• 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)
• Scoliosis Detection using Deep Neural Network [0.0]
  脊柱側方屈曲症は若年層で診断されることが多い。 現在, 脊柱前方X線像を手動で観察し, 頭蓋狭窄を推定する金の基準となっている。 深層学習は、自動脊椎曲率推定において驚くべき成果を上げている。
  論文  参考訳（メタデータ） (2022-10-31T12:52:04Z)
• 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)
• 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)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)
• 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。