論文の概要: A Category-Fragment Segmentation Framework for Pelvic Fracture Segmentation in X-ray Images

• arxiv url: http://arxiv.org/abs/2504.11872v1
• Date: Wed, 16 Apr 2025 08:49:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-17 14:39:38.269769
• Title: A Category-Fragment Segmentation Framework for Pelvic Fracture Segmentation in X-ray Images
• Title（参考訳）: X線画像における骨盤破砕セグメンテーションのためのカテゴリーフラグメント・セグメンテーション・フレームワーク
• Authors: Daiqi Liu, Fuxin Fan, Andreas Maier,
• Abstract要約: 本稿では,2次元X線画像のための新しい深層学習型カテゴリとフラグメントセグメンテーションフレームワークを提案する。 フレームワークは、カテゴリのセグメンテーション、フラグメントのセグメンテーション、後処理の3つのステップで構成されている。 解剖学的構造のIoUは0.91、骨折のセグメンテーションは0.78である。
• 参考スコア（独自算出の注目度）: 3.4916237834391874
• License:
• Abstract: Pelvic fractures, often caused by high-impact trauma, frequently require surgical intervention. Imaging techniques such as CT and 2D X-ray imaging are used to transfer the surgical plan to the operating room through image registration, enabling quick intraoperative adjustments. Specifically, segmenting pelvic fractures from 2D X-ray imaging can assist in accurately positioning bone fragments and guiding the placement of screws or metal plates. In this study, we propose a novel deep learning-based category and fragment segmentation (CFS) framework for the automatic segmentation of pelvic bone fragments in 2D X-ray images. The framework consists of three consecutive steps: category segmentation, fragment segmentation, and post-processing. Our best model achieves an IoU of 0.91 for anatomical structures and 0.78 for fracture segmentation. Results demonstrate that the CFS framework is effective and accurate.
• Abstract（参考訳）: 骨盤骨折は、しばしばハイインパクト外傷によって引き起こされるが、しばしば外科的介入を必要とする。 CTや2次元X線画像などの画像技術を用いて、手術計画の手術室への移動を画像登録を通じて行い、迅速な術中調整を可能にする。 具体的には、2次元X線画像からの骨盤骨折の分節化は、骨の断片を正確に位置決めし、ねじや金属板の配置を導くのに役立つ。 本研究では,2次元X線画像における骨片の自動分割のための,新しい深層学習型分類と断片分割(CFS)フレームワークを提案する。 フレームワークは、カテゴリのセグメンテーション、フラグメントのセグメンテーション、後処理の3つのステップで構成されている。 解剖学的構造のIoUは0.91、骨折のセグメンテーションは0.78である。 CFSフレームワークは効率的かつ正確であることを示す。

関連論文リスト

• Leveraging Auxiliary Classification for Rib Fracture Segmentation [5.163088719949993]
  本研究は, 骨盤骨折セグメント化の精度を高めるために, 補助的分類タスクを組み込んだ高度深層学習モデルを提案する。 補助的分類課題は, 骨折したリブと負の領域を区別し, 非破壊的なリブと周囲の組織を包含する上で重要である。 RibFracデータセットの実験結果はセグメンテーション性能が大幅に向上したことを示している。
  論文  参考訳（メタデータ） (2024-11-14T08:40:08Z)
• SX-Stitch: An Efficient VMS-UNet Based Framework for Intraoperative Scoliosis X-Ray Image Stitching [11.33670620110502]
  側頭症手術では、C-arm X-ray マシンの視野が制限され、手術者の脊髄構造の全体的分析が制限される。 本論文は,SX-Stitch と名づけられた側頭症手術における術中X線画像縫合法について述べる。
  論文  参考訳（メタデータ） (2024-09-09T14:49:54Z)
• An Automated Real-Time Approach for Image Processing and Segmentation of Fluoroscopic Images and Videos Using a Single Deep Learning Network [2.752817022620644]
  人工膝関節における画像分割に機械学習を用いる可能性は、そのセグメンテーション精度を改善し、プロセスを自動化し、外科医にリアルタイムの補助を提供する能力にある。 本稿では, リアルタイム全膝画像分割における深層学習手法を提案する。 大規模なデータセットに基づいてトレーニングされた深層学習モデルは、インプラントされた大腿骨とティアビアの両方を正確にセグメント化する際、優れた性能を示す。
  論文  参考訳（メタデータ） (2024-01-23T05:00:02Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• 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)
• 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)
• Fast and Robust Femur Segmentation from Computed Tomography Images for Patient-Specific Hip Fracture Risk Screening [48.46841573872642]
  我々は,CTから大腿骨近位部を完全自動化し,正確かつ高速に分割するディープニューラルネットワークを提案する。 本手法は, 股関節骨折リスクスクリーニングに適応し, 当科において, 股関節脱臼患者をスクリーニングするための臨床的選択肢に一歩近づいた。
  論文  参考訳（メタデータ） (2022-04-20T16:16:16Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• A comparative study of 2D image segmentation algorithms for traumatic brain lesions using CT data from the ProTECTIII multicenter clinical trial [0.0]
  外傷性脳損傷(TBI)後に発見された出血性病変の表現型について検討した。 内皮内出血(IPH)、硬膜下血腫(SDH)、硬膜外血腫(EDH)、外傷性腸重積などがある。 Focal Tversky Loss Functionを用いたUNet++ 2D Architectureを用いて,最適Dice Coefficient1スコア0.94を達成することができた。 また, 軸外出血例と外傷例のDice Coefficientスコア0.90と0.86をそれぞれ達成できた。
  論文  参考訳（メタデータ） (2020-06-01T21:00:20Z)

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。