論文の概要: Dual Attention Driven Lumbar Magnetic Resonance Image Feature Enhancement and Automatic Diagnosis of Herniation

• arxiv url: http://arxiv.org/abs/2504.19438v1
• Date: Mon, 28 Apr 2025 02:55:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.292564
• Title: Dual Attention Driven Lumbar Magnetic Resonance Image Feature Enhancement and Automatic Diagnosis of Herniation
• Title（参考訳）: Dual Attention-Driven Lumbar Magnetic Resonance Image Feature Enhancement and Automatic diagnosis of Herniation (特集:第2報)
• Authors: Lingrui Zhang, Liang Guo, Xiao An, Feng Lin, Binlong Zheng, Jiankun Wang, Zhirui Li,
• Abstract要約: 本稿では,革新的な自動LDH分類フレームワークを提案する。 本フレームワークは、臨床的に実行可能なLDH特徴を抽出し、標準化された診断出力を生成する。 受信機動作特性曲線(AUC-ROC)0.969の領域を達成し、LDH検出の精度は0.9486である。
• 参考スコア（独自算出の注目度）: 5.762049149293296
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lumbar disc herniation (LDH) is a common musculoskeletal disease that requires magnetic resonance imaging (MRI) for effective clinical management. However, the interpretation of MRI images heavily relies on the expertise of radiologists, leading to delayed diagnosis and high costs for training physicians. Therefore, this paper proposes an innovative automated LDH classification framework. To address these key issues, the framework utilizes T1-weighted and T2-weighted MRI images from 205 people. The framework extracts clinically actionable LDH features and generates standardized diagnostic outputs by leveraging data augmentation and channel and spatial attention mechanisms. These outputs can help physicians make confident and time-effective care decisions when needed. The proposed framework achieves an area under the receiver operating characteristic curve (AUC-ROC) of 0.969 and an accuracy of 0.9486 for LDH detection. The experimental results demonstrate the performance of the proposed framework. Our framework only requires a small number of datasets for training to demonstrate high diagnostic accuracy. This is expected to be a solution to enhance the LDH detection capabilities of primary hospitals.
• Abstract（参考訳）: 腰部椎間板ヘルニア(Lumbar disc herniation, LDH)は、MRI(MRI)を必要とする一般的な筋骨格疾患である。 しかし、MRI画像の解釈は放射線医の専門知識に大きく依存しており、診断の遅れや医師の教育費の高騰につながっている。 そこで本研究では,革新的な自動LDH分類フレームワークを提案する。 これらの重要な問題に対処するため、このフレームワークは205人のT1強調画像とT2強調画像を利用する。 このフレームワークは、臨床的に実行可能なLDH特徴を抽出し、データ増強及びチャネル及び空間的注意機構を利用して標準化された診断出力を生成する。 これらのアウトプットは、医師が必要に応じて自信と時間的効果のあるケア決定を行うのに役立つ。 提案手法は、受信機動作特性曲線(AUC-ROC)0.969の領域とLDH検出の精度0.9486を達成している。 実験により,提案フレームワークの性能を実証した。 我々のフレームワークは、高い診断精度を示すために、トレーニングのために少数のデータセットしか必要としない。 これは、一次病院のLDH検出能力を高めるための解決策として期待されている。

関連論文リスト

• SCOPE-MRI: Bankart Lesion Detection as a Case Study in Data Curation and Deep Learning for Challenging Diagnoses [0.0]
  本研究はScopeMRIを紹介した。ScoopeMRIは、肩の病理のための、初めて公開された、専門家による注釈付きデータセットである。 標準MRIとMRAの両方でバンクアート病変を検出するためのディープラーニング(DL)フレームワークを提供する。 AUCは0.91と0.93で、感度は83%、感度は94%、特異性は91%、MRAは86%であった。
  論文  参考訳（メタデータ） (2025-04-29T04:02:44Z)
• AI and Deep Learning for Automated Segmentation and Quantitative Measurement of Spinal Structures in MRI [0.0]
  本研究では,MRIスキャンにおける重要な脊髄構造をセグメント化し,計測する自律型AIシステムの開発を行う。 目標は、臨床の作業量を削減し、診断の整合性を高め、評価を改善することである。
  論文  参考訳（メタデータ） (2025-03-14T10:39:52Z)
• Pathology-Guided AI System for Accurate Segmentation and Diagnosis of Cervical Spondylosis [7.81163465956116]
  我々は,MRIを用いて頚椎症と頚椎症の両方を自動診断するAI支援エキスパートベース診断システムを開発した。 本システムでは, 頸部解剖学的重要な構造を正確にセグメント化できる病的ガイド付きセグメンテーションモデルを特徴とする。 ヘルニア局所化,K線状態評価,T2ハイパーインテンシティ検出において,高い精度,精度,リコール,F1スコアが得られた。
  論文  参考訳（メタデータ） (2025-03-08T07:55:33Z)
• Feasibility Study of a Diffusion-Based Model for Cross-Modal Generation of Knee MRI from X-ray: Integrating Radiographic Feature Information [8.466319668322432]
  膝関節症 (KOA) は筋骨格性疾患であり, 費用対効果からX線で診断されることが多い。 磁気共鳴イメージング(MRI)は優れた軟組織可視化を提供し、貴重な補助的診断ツールとして機能する。
  論文  参考訳（メタデータ） (2024-10-09T15:44:34Z)
• Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
  拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。 本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
  論文  参考訳（メタデータ） (2024-09-11T11:12:26Z)
• Low-Resolution Chest X-ray Classification via Knowledge Distillation and Multi-task Learning [46.75992018094998]
  胸部X線(CXR)を低分解能で診断する上での課題について検討した。 高分解能CXRイメージングは、結節や不透明など、小さなが重要な異常を識別するために重要である。 本稿では,MLCAK(Multilevel Collaborative Attention Knowledge)法を提案する。
  論文  参考訳（メタデータ） (2024-05-22T06:10:54Z)
• Unpaired MRI Super Resolution with Contrastive Learning [33.65350200042909]
  深層学習に基づく画像超解像法は、余分なコストなしでMRIの解像度を改善することを約束する。 整列性高分解能(HR)と低分解能(LR)のMRI画像ペアが欠如しているため、教師なしのアプローチはMRI画像によるSR再構成に広く採用されている。 我々は,限られたHRデータでSR性能を向上させるために,コントラスト学習を用いたMRI SRアプローチを提案する。
  論文  参考訳（メタデータ） (2023-10-24T12:13:51Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• Outlier-based Autism Detection using Longitudinal Structural MRI [6.311381904410801]
  本稿では, 構造的磁気共鳴画像(sMRI)に基づく自閉症スペクトラム障害の診断を, 異常検出手法を用いて提案する。 GAN(Generative Adversarial Network)は、健康な被験者のsMRIスキャンでのみ訓練される。 実験の結果、ASD検出フレームワークは最先端のトレーニングデータと互換性があり、トレーニングデータもはるかに少ないことがわかった。
  論文  参考訳（メタデータ） (2022-02-21T04:37:25Z)
• 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)
• Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
  本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。 矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。 本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
  論文  参考訳（メタデータ） (2021-05-18T11:37:57Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)

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。