論文の概要: Deep Learning-Assisted Detection of Sarcopenia in Cross-Sectional Computed Tomography Imaging
- arxiv url: http://arxiv.org/abs/2508.17275v1
- Date: Sun, 24 Aug 2025 09:53:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.441005
- Title: Deep Learning-Assisted Detection of Sarcopenia in Cross-Sectional Computed Tomography Imaging
- Title（参考訳）: 走査型CT画像における深層学習によるサルコニアの検出
- Authors: Manish Bhardwaj, Huizhi Liang, Ashwin Sivaharan, Sandip Nandhra, Vaclav Snasel, Tamer El-Sayed, Varun Ojha,
- Abstract要約: サルコパニアは、筋肉の腫瘤が進行的に減少し、手術結果の悪化に結びついている。
我々は、CT画像の骨格筋面積を測定するディープラーニングモデルを開発し、このタスクを自動化する。
- 参考スコア（独自算出の注目度）: 4.028378502989651
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sarcopenia is a progressive loss of muscle mass and function linked to poor surgical outcomes such as prolonged hospital stays, impaired mobility, and increased mortality. Although it can be assessed through cross-sectional imaging by measuring skeletal muscle area (SMA), the process is time-consuming and adds to clinical workloads, limiting timely detection and management; however, this process could become more efficient and scalable with the assistance of artificial intelligence applications. This paper presents high-quality three-dimensional cross-sectional computed tomography (CT) images of patients with sarcopenia collected at the Freeman Hospital, Newcastle upon Tyne Hospitals NHS Foundation Trust. Expert clinicians manually annotated the SMA at the third lumbar vertebra, generating precise segmentation masks. We develop deep-learning models to measure SMA in CT images and automate this task. Our methodology employed transfer learning and self-supervised learning approaches using labelled and unlabeled CT scan datasets. While we developed qualitative assessment models for detecting sarcopenia, we observed that the quantitative assessment of SMA is more precise and informative. This approach also mitigates the issue of class imbalance and limited data availability. Our model predicted the SMA, on average, with an error of +-3 percentage points against the manually measured SMA. The average dice similarity coefficient of the predicted masks was 93%. Our results, therefore, show a pathway to full automation of sarcopenia assessment and detection.
- Abstract（参考訳）: サルコペン症は、長期入院、運動障害、死亡率の上昇など、外科的結果の悪化に結びついている。
骨格筋面積(SMA)を測定することで断面積を横断的に計測することで評価できるが、このプロセスは時間がかかり、時間的検出と管理を制限し、臨床業務に付加されるが、人工知能アプリケーションの助けを借りれば、より効率的でスケーラブルになる可能性がある。
本稿では, ニューカッスル・オン・タインのフリーマン病院で収集したサルコニア患者の高画質3次元断面CT像について報告する。
専門医は第3腰椎のSMAに手動で注釈を付け、正確なセグメンテーションマスクを作成した。
我々は,CT画像中のSMAを測定し,このタスクを自動化するディープラーニングモデルを開発した。
提案手法は,ラベル付きおよびラベルなしCTスキャンデータセットを用いた移動学習と自己教師付き学習を用いた。
サルコパニア検出のための定性的評価モデルを開発したが、SMAの定量的評価はより正確で情報的であることが判明した。
このアプローチはまた、クラス不均衡とデータ可用性の制限という問題を緩和する。
本モデルでは,手動で測定したSMAに対して,平均で+-3ポイントの誤差でSMAを予測した。
予測したマスクの平均サイコロ類似度係数は93%であった。
以上の結果から,サルコニア評価と検出の完全自動化への道筋が示唆された。
関連論文リスト
- Bayesian Deep Learning Approaches for Uncertainty-Aware Retinal OCT Image Segmentation for Multiple Sclerosis [0.0]
光コヒーレンス・トモグラフィ(OCT)は眼科、心臓科、神経学の貴重な知見を提供する。
OCTを用いた眼科医にとって重要な課題は、スキャン内の網膜層のデライン化である。
深層学習を用いたデライン作成の自動化に向けた従来の取り組みは、臨床医や統計学者の獲得に困難を呈している。
論文 参考訳（メタデータ） (2025-05-17T15:56:17Z) - Reliable Radiologic Skeletal Muscle Area Assessment -- A Biomarker for Cancer Cachexia Diagnosis [12.928843687757466]
我々はディープラーニングモデル(nnU-Net 2D)を利用したエンドツーエンドの自動パイプラインであるSMAART-AIを開発した。
SMAART-AIには、専門家のレビューのためにSMA予測にフラグを付ける不確実性ベースのメカニズムが組み込まれており、信頼性が向上している。
SMAART-AIは胃食道癌データセットで試験され、Diceスコア97.80%+/-0.93%を達成し、SMAは4つのデータセットすべてで2.48%の絶対誤差で推定した。
論文 参考訳（メタデータ） (2025-03-19T19:07:59Z) - Anatomically-guided masked autoencoder pre-training for aneurysm detection [6.025753055139489]
頭蓋内動脈瘤は世界中で致死率と死亡率の主要な原因である。
本研究では,無注釈頭部CTスキャンデータを用いた3次元ビジョントランスモデルの事前学習のための新しい事前学習手法を提案する。
SOTA大動脈瘤検出モデルと比較すると, 絶対感度は+4-8%, 偽陽性率0.5。
論文 参考訳（メタデータ） (2025-02-28T17:13:58Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - Weakly-supervised Biomechanically-constrained CT/MRI Registration of the
Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。
また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。
以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文 参考訳（メタデータ） (2022-05-16T10:59:55Z) - SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for
Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。
皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。
本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2022-03-22T06:54:29Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。
本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。
本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文 参考訳（メタデータ） (2021-04-04T20:30:14Z) - COVID-19 identification from volumetric chest CT scans using a
progressively resized 3D-CNN incorporating segmentation, augmentation, and
class-rebalancing [4.446085353384894]
新型コロナウイルスは世界的なパンデミックの流行だ。
高い感度のコンピュータ支援スクリーニングツールは、疾患の診断と予後に不可欠である。
本稿では,3次元畳み込みニューラルネットワーク(CNN)に基づく分類手法を提案する。
論文 参考訳（メタデータ） (2021-02-11T18:16:18Z) - A novel multiple instance learning framework for COVID-19 severity
assessment via data augmentation and self-supervised learning [64.90342559393275]
新型コロナウイルスの重症度を迅速かつ正確に評価する方法は、世界中の何百万人もの人々がパンデミックに苦しんでいる場合に必要不可欠な問題だ。
CT画像による新型コロナウイルスの重症度自動評価を妨害する可能性のある、弱いアノテーションと不十分なデータという2つの問題があることを観察する。
平均精度は95.8%で、感度は93.6%、特異性は96.4%で、前作より優れていた。
論文 参考訳（メタデータ） (2021-02-07T16:30:18Z) - MRI brain tumor segmentation and uncertainty estimation using 3D-UNet
architectures [0.0]
本研究では、メモリ消費を低減し、アンバランスデータの影響を低減するためにパッチベースの技術で訓練された3Dエンコーダデコーダアーキテクチャを検討する。
また,テストタイム・ドロップアウト (TTD) とデータ拡張 (TTA) を用いて, てんかん, てんかんともにボキセル関連不確実性情報を導入する。
この研究で提案されたモデルと不確実性推定測定は、腫瘍の分割と不確実性推定に関するタスク1および3のBraTS'20チャレンジで使用されています。
論文 参考訳（メタデータ） (2020-12-30T19:28:53Z)
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。