論文の概要: Fracture Detection and Localisation in Wrist and Hand Radiographs using Detection Transformer Variants

• arxiv url: http://arxiv.org/abs/2508.14129v1
• Date: Tue, 19 Aug 2025 05:41:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.21212
• Title: Fracture Detection and Localisation in Wrist and Hand Radiographs using Detection Transformer Variants
• Title（参考訳）: 検出変圧器バリアントを用いた手書き・手書き画像のフラクチャー検出と位置推定
• Authors: Aditya Bagri, Vasanthakumar Venugopal, Anandakumar D, Revathi Ezhumalai, Kalyan Sivasailam, Bargava Subramanian, VarshiniPriya, Meenakumari K S, Abi M, Renita S,
• Abstract要約: 救急医療において, レントグラフによる手首・手関節骨折の正確な診断が不可欠である。 トランスフォーマーベースのモデルでは、医用画像解析の改善が期待できるが、その極端骨折への応用は限られている。 本研究では,手首と手首のX線に物体検出変換器を適用することで,このギャップを解消する。
• 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: Accurate diagnosis of wrist and hand fractures using radiographs is essential in emergency care, but manual interpretation is slow and prone to errors. Transformer-based models show promise in improving medical image analysis, but their application to extremity fractures is limited. This study addresses this gap by applying object detection transformers to wrist and hand X-rays. Methods: We fine-tuned the RT-DETR and Co-DETR models, pre-trained on COCO, using over 26,000 annotated X-rays from a proprietary clinical dataset. Each image was labeled for fracture presence with bounding boxes. A ResNet-50 classifier was trained on cropped regions to refine abnormality classification. Supervised contrastive learning was used to enhance embedding quality. Performance was evaluated using AP@50, precision, and recall metrics, with additional testing on real-world X-rays. Results: RT-DETR showed moderate results (AP@50 = 0.39), while Co-DETR outperformed it with an AP@50 of 0.615 and faster convergence. The integrated pipeline achieved 83.1% accuracy, 85.1% precision, and 96.4% recall on real-world X-rays, demonstrating strong generalization across 13 fracture types. Visual inspection confirmed accurate localization. Conclusion: Our Co-DETR-based pipeline demonstrated high accuracy and clinical relevance in wrist and hand fracture detection, offering reliable localization and differentiation of fracture types. It is scalable, efficient, and suitable for real-time deployment in hospital workflows, improving diagnostic speed and reliability in musculoskeletal radiology.
• Abstract（参考訳）: 背景:レントグラフを用いた手首・手関節骨折の正確な診断は緊急治療には不可欠であるが,手動による解釈は遅く,誤診も起こりやすい。 トランスフォーマーをベースとしたモデルでは, 医用画像解析の改善が期待できるが, 極端骨折への応用は限られている。 本研究では,手首と手首のX線に物体検出変換器を適用することで,このギャップを解消する。 方法: RT-DETRモデルとCo-DETRモデルをCOCOで事前訓練し, プロプライエタリな臨床データセットから26,000点以上の注釈付きX線を抽出した。 それぞれの画像は、バウンディングボックスで骨折の存在を示すラベルが付けられていた。 ResNet-50分類器は、異常分類を洗練させるために、収穫地で訓練された。 改良されたコントラスト学習は、埋め込み品質を高めるために用いられた。 AP@50、精度、リコールメトリクスを使用して、実世界のX線でさらなるテストを行い、性能を評価した。 結果: RT-DETRは適度な結果(AP@50 = 0.39)を示し, Co-DETRはAP@50の0。 統合パイプラインは83.1%の精度、85.1%の精度、96.4%のリアルタイムX線リコールを達成した。 視力検査により正確な位置が確認された。 結語:コ・DETRをベースとしたパイプラインは手首・手関節骨折の検出において高い精度と臨床的関連性を示し,骨折の局所化と鑑別が可能であった。 スケーラブルで効率的で、病院のワークフローのリアルタイム展開に適しており、筋骨格ラジオロジーの診断速度と信頼性を改善している。

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)
• A Deep Learning-Based Ensemble System for Automated Shoulder Fracture Detection in Clinical Radiographs [0.0]
  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。
  論文  参考訳（メタデータ） (2025-07-17T06:06:12Z)
• Medical Image Analysis for Detection, Treatment and Planning of Disease using Artificial Intelligence Approaches [1.6505331001136514]
  人工知能技術を用いたX線画像のセグメンテーションのためのフレームワークについて論じる。 提案手法は16のバッチサイズと50のエポックを持つよく知られたパラメータに関して,より優れた性能を発揮する。 SegNetとResidual Unetの検証精度、精度、リコールの値は、それぞれ0.9815、0.9699、0.9574、0.9901、0.9864、0.9750である。
  論文  参考訳（メタデータ） (2024-05-18T13:43:43Z)
• Fracture Detection in Pediatric Wrist Trauma X-ray Images Using YOLOv8 Algorithm [0.2797210504706914]
  我々は,小児手首外傷X線データセット上でのYOLOv8アルゴリズムのモデル性能を向上させるためにデータ拡張を利用する。 実験結果から,本モデルが平均精度(mAP 50)に到達したことが明らかとなった。 小児手関節外傷X線画像の骨折検出に外科医が利用できるように, YOLOv8 App を用いたフラクチャー検出法を考案した。
  論文  参考訳（メタデータ） (2023-04-11T09:08:09Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays [65.88435151891369]
  Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。 RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
  論文  参考訳（メタデータ） (2022-07-10T06:32:56Z)
• Vision Transformers for femur fracture classification [59.99241204074268]
  Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。 史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
  論文  参考訳（メタデータ） (2021-08-07T10:12:42Z)
• Chest x-ray automated triage: a semiologic approach designed for clinical implementation, exploiting different types of labels through a combination of four Deep Learning architectures [83.48996461770017]
  本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。 公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。 4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
  論文  参考訳（メタデータ） (2020-12-23T14:38:35Z)
• 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)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)

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。