論文の概要: A Deep Learning-Based Ensemble System for Automated Shoulder Fracture Detection in Clinical Radiographs

• arxiv url: http://arxiv.org/abs/2507.13408v1
• Date: Thu, 17 Jul 2025 06:06:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-21 20:43:26.082999
• Title: A Deep Learning-Based Ensemble System for Automated Shoulder Fracture Detection in Clinical Radiographs
• Title（参考訳）: 臨床用X線写真における手指骨折自動検出のための深層学習型アンサンブルシステム
• Authors: Hemanth Kumar M, Karthika M, Saianiruth M, Vasanthakumar Venugopal, Anandakumar D, Revathi Ezhumalai, Charulatha K, Kishore Kumar J, Dayana G, Kalyan Sivasailam, Bargava Subramanian,
• Abstract要約: 肩関節骨折はしばしば診断されないが、特に緊急時および高用量の臨床で診断される。 我々は1万個の注釈付き肩X線を用いた多モデル深層学習システムを開発した。 このアンサンブルベースのAIは、臨床関連性の高いX線写真で肩骨折を確実に検出することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Shoulder fractures are often underdiagnosed, especially in emergency and high-volume clinical settings. Studies report up to 10% of such fractures may be missed by radiologists. AI-driven tools offer a scalable way to assist early detection and reduce diagnostic delays. We address this gap through a dedicated AI system for shoulder radiographs. Methods: We developed a multi-model deep learning system using 10,000 annotated shoulder X-rays. Architectures include Faster R-CNN (ResNet50-FPN, ResNeXt), EfficientDet, and RF-DETR. To enhance detection, we applied bounding box and classification-level ensemble techniques such as Soft-NMS, WBF, and NMW fusion. Results: The NMW ensemble achieved 95.5% accuracy and an F1-score of 0.9610, outperforming individual models across all key metrics. It demonstrated strong recall and localization precision, confirming its effectiveness for clinical fracture detection in shoulder X-rays. Conclusion: The results show ensemble-based AI can reliably detect shoulder fractures in radiographs with high clinical relevance. The model's accuracy and deployment readiness position it well for integration into real-time diagnostic workflows. The current model is limited to binary fracture detection, reflecting its design for rapid screening and triage support rather than detailed orthopedic classification.
• Abstract（参考訳）: 背景: 肩関節骨折は、特に緊急および高用量の臨床で診断されることが多い。 研究によると、そのような骨折の最大10%は放射線学者によって見逃される可能性がある。 AI駆動のツールは、早期検出と診断遅延の低減を支援するスケーラブルな方法を提供する。 肩のX線写真専用のAIシステムを通じて、このギャップに対処する。 方法:10,000個の注釈付き肩X線を用いた多モデル深層学習システムを開発した。 アーキテクチャとしては、より高速なR-CNN(ResNet50-FPN、ResNeXt、EfficientDet、RF-DETR)がある。 検出性を高めるため,Soft-NMS,WBF,NMW融合などの分類レベルアンサンブル技術とバウンディングボックスを適用した。 結果: NMWアンサンブルは95.5%の精度を達成し、F1スコアは0.9610であり、全ての主要な指標で個々のモデルを上回った。 肩部X線検査では, 強いリコールと位置決め精度を示し, 臨床的骨折検出の有効性が確認された。 結論: アンサンブルをベースとしたAIは, 臨床関連性の高いX線写真において, 肩関節骨折を確実に検出できることを示した。 モデルの正確性とデプロイメントの準備は、リアルタイムの診断ワークフローに統合するのに適しています。 現在のモデルは二分骨折検出に限られており、詳細な整形外科分類ではなく、迅速なスクリーニングとトリアージサポートのための設計を反映している。

関連論文リスト

• A Modified VGG19-Based Framework for Accurate and Interpretable Real-Time Bone Fracture Detection [0.0]
  本稿では,VGG-19モデルを用いた骨骨折の自動検出フレームワークを提案する。 コントラスト限定適応ヒストグラム等化(CLAHE)、大津のしきい値設定、カニーエッジ検出など、高度な前処理技術が組み込まれている。 医療専門家はX線画像をアップロードし、0.5秒以内に診断フィードバックを受け取ることができる。
  論文  参考訳（メタデータ） (2025-07-31T19:22:58Z)
• RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
  RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。 システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
  論文  参考訳（メタデータ） (2025-06-17T03:10:33Z)
• Dual Attention Driven Lumbar Magnetic Resonance Image Feature Enhancement and Automatic Diagnosis of Herniation [5.762049149293296]
  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。
  論文  参考訳（メタデータ） (2025-04-28T02:55:59Z)
• Artificial Intelligence-Driven Prognostic Classification of COVID-19 Using Chest X-rays: A Deep Learning Approach [0.0]
  本研究では,Chest X線画像を用いて,新型コロナウイルスの重症度(中・中・重症度)を分類するための高精度深層学習モデルを提案する。 平均精度は97%,特異性は99%,感度は87%,F1スコアは93.11%であった。 これらの結果は、実際の臨床応用におけるモデルの可能性を示している。
  論文  参考訳（メタデータ） (2025-03-17T15:27:21Z)
• 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)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Multi-Label Classification of Thoracic Diseases using Dense Convolutional Network on Chest Radiographs [0.0]
  そこで本研究では,1回の検査で複数の病態を検出できる多ラベル疾患予測モデルを提案する。 提案モデルでは,AUCスコアが0.896であった。
  論文  参考訳（メタデータ） (2022-02-08T00:43:57Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• Knee Osteoarthritis Severity Prediction using an Attentive Multi-Scale Deep Convolutional Neural Network [8.950918531231158]
  本稿では,KellgrenおよびLawrenceグレードの分類をX線から自動的に評価する,深層学習ベースのフレームワークであるOsteHRNetを提案する。 提案モデルでは,OAIデータセットのベースラインコホートにおいて,71.74%,0.311のMAEが最良である。
  論文  参考訳（メタデータ） (2021-06-27T17:29:46Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Critical Evaluation of Deep Neural Networks for Wrist Fracture Detection [1.0617212070722408]
  関節リウマチは最も頻度の高い骨折である。 近年のDeep Learning(DL)分野の進歩は、畳み込みニューラルネットワークを用いて手首骨折検出を自動化できることを示している。 以上の結果から,DeepWristのような最先端のアプローチは,挑戦的なテストセットにおいて大幅に性能が低下していることが判明した。
  論文  参考訳（メタデータ） (2020-12-04T13:35:36Z)

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。