論文の概要: Attention-based Pin Site Image Classification in Orthopaedic Patients with External Fixators
- arxiv url: http://arxiv.org/abs/2603.24815v1
- Date: Wed, 25 Mar 2026 20:52:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:47.990536
- Title: Attention-based Pin Site Image Classification in Orthopaedic Patients with External Fixators
- Title（参考訳）: 整形器を装着した整形外科患者の注意に基づくピンサイト画像分類
- Authors: Yubo Wang, Marie Fridberg, Anirejuoritse Bafor, Ole Rahbek, Christopher Iobst, Søren Vedding Kold, Ming Shen,
- Abstract要約: ピンサイトは、外部環境からの金属ピンやワイヤが皮膚を通過して手足の内部環境に入るインターフェースを表す。
これらのピン部位は、外皮植物が四肢の内部環境に入る機会である。
これらのピンサイト感染は、患者にとって苦痛であり、迷惑であり、致命傷が増す。
- 参考スコア（独自算出の注目度）: 4.16266996319908
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pin sites represent the interface where a metal pin or wire from the external environment passes through the skin into the internal environment of the limb. These pins or wires connect an external fixator to the bone to stabilize the bone segments in a patient with trauma or deformity. Because these pin sites represent an opportunity for external skin flora to enter the internal environment of the limb, infections of the pin site are common. These pin site infections are painful, annoying, and cause increased morbidity to the patients. Improving the identification and management of pin site infections would greatly enhance the patient experience when external fixators are used. For this, this paper collects and produces a dataset on pin sites wound infections and proposes a deep learning (DL) method to classify pin sites images based on their appearance: Group A displayed signs of inflammation or infection, while Group B showed no evident complications. Unlike studies that primarily focus on open wounds, our research includes potential interventions at the metal pin/skin interface. Our attention-based deep learning model addresses this complexity by emphasizing relevant regions and minimizing distractions from the pins. Moreover, we introduce an Efficient Redundant Reconstruction Convolution (ERRC) method to enhance the richness of feature maps while reducing the number of parameters. Our model outperforms baseline methods with an AUC of 0.975 and an F1-score of 0.927, requiring only 5.77 M parameters. These results highlight the potential of DL in differentiating pin sites only based on visual signs of infection, aligning with healthcare professional assessments, while further validation with more data remains essential.
- Abstract（参考訳）: ピンサイトは、外部環境からの金属ピンやワイヤが皮膚を通過して手足の内部環境に入るインターフェースを表す。
これらのピンやワイヤーは、外傷や変形のある患者の骨セグメントを安定させるために、外固定器を骨に接続する。
これらのピン部位は、外皮植物が四肢の内部環境に入る好機であるため、ピン部位の感染が一般的である。
これらのピンサイト感染は、患者にとって苦痛であり、迷惑であり、致命傷が増す。
ピンサイト感染の同定と管理の改善は、外部固定器の使用時の患者体験を大幅に向上させる。
そこで本研究では,ピン部位の創傷感染に関するデータセットを収集し,その外観に基づいてピン部位の画像の分類を行う深層学習(DL)手法を提案する。
主に開創に焦点を当てた研究とは異なり、我々の研究は金属ピン/皮膚界面における潜在的介入を含んでいる。
私たちの注意に基づくディープラーニングモデルは、関連する領域を強調し、ピンからの注意を最小化することで、この複雑さに対処します。
さらに,パラメータ数を減らしながら特徴写像のリッチ性を高めるために,効率的な冗長再構築畳み込み(ERRC)手法を提案する。
AUCは0.975、F1スコアは0.927、パラメータは5.77Mである。
これらの結果から,感染の視覚的兆候にのみ基づき,医療専門家の評価と整合し,さらなるデータによる検証が不可欠であることが示唆された。
関連論文リスト
- Toward Content-based Indexing and Retrieval of Head and Neck CT with Abscess Segmentation [14.966261216613757]
頭部と頸部の膿瘍は急性の感染症のプロセスであり、診断され、迅速に管理されていない場合、敗血症や死亡につながる可能性がある。
AbscessHeNeは,4,926個の造影CTスライスと臨床的に確認された頭頸部膿瘍からなる,治療的,包括的注釈付きデータセットである。
論文 参考訳（メタデータ） (2025-12-01T12:04:24Z) - A Confounding Factors-Inhibition Adversarial Learning Framework for Multi-site fMRI Mental Disorder Identification [22.749962294853187]
本稿では,fMRIに基づく精神障害検出のための新しい多地点対向学習ネットワーク(MSalNET)を提案する。
提案手法は自閉症脳画像データ交換(ABIDE)とADHD-200の2つのマルチサイトfMRIデータセットを用いて評価した。
論文 参考訳（メタデータ） (2025-04-12T10:58:19Z) - Inpainting Pathology in Lumbar Spine MRI with Latent Diffusion [4.410798232767917]
病理組織学的特徴をMRIで健全な解剖学的特徴に塗布する効率的な方法を提案する。
腰椎椎間板ヘルニアと中心管狭窄に対し,T2 MRIにて椎間板ヘルニアを挿入する能力について検討した。
論文 参考訳（メタデータ） (2024-06-04T16:47:47Z) - How Does Pruning Impact Long-Tailed Multi-Label Medical Image
Classifiers? [49.35105290167996]
プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。
この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
論文 参考訳（メタデータ） (2023-08-17T20:40:30Z) - Tissue Classification During Needle Insertion Using Self-Supervised
Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。
トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
論文 参考訳（メタデータ） (2023-04-26T14:11:04Z) - Learning Personalized Brain Functional Connectivity of MDD Patients from
Multiple Sites via Federated Bayesian Networks [9.873532358701803]
我々は,複数のベイズネットワークの同時学習のための連合型共同推定器NOTEARS-PFLを提案する。
合成および実世界のマルチサイトRS-fMRIデータセットにおける提案手法の性能評価を行った。
論文 参考訳（メタデータ） (2023-01-06T08:58:06Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - External Attention Assisted Multi-Phase Splenic Vascular Injury
Segmentation with Limited Data [72.99534552950138]
脾臓は腹部外傷において最も多く損傷を受けた固形臓器の1つである。
脾臓血管損傷の 正確な分節化は 以下の理由から 困難です
論文 参考訳（メタデータ） (2022-01-04T02:35:56Z) - Non-contact Pain Recognition from Video Sequences with Remote
Physiological Measurements Prediction [53.03469655641418]
痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。
我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
論文 参考訳（メタデータ） (2021-05-18T20:47:45Z)
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。