文献

J-GLOBAL ID：202002291686240223   整理番号：20A0475431

深部学習フレームワークを用いた前方-後方ラジオグラフィー画像からの骨盤矢状傾斜の完全自動推定【JST・京大機械翻訳】

Fully automatic estimation of pelvic sagittal inclination from anterior-posterior radiography image using deep learning framework

著者 (8件)： Jodeiri Ata (School of Electrical and Computer Engineering, University College of Engineering, University of Tehran, North Kargar st., Tehran 1439957131, Iran.) ,  Jodeiri Ata (Graduate School of Information Science, Nara Institute of Science and Technology, 8916-5 Takayama-cho, Ikoma, Nara 630-0192, Japan) ,  Zoroofi Reza A. (School of Electrical and Computer Engineering, University College of Engineering, University of Tehran, North Kargar st., Tehran 1439957131, Iran.) ,  Hiasa Yuta (Graduate School of Information Science, Nara Institute of Science and Technology, 8916-5 Takayama-cho, Ikoma, Nara 630-0192, Japan) ,  Takao Masaki (Department of Orthopedic Surgery, Osaka University Graduate School of Medicine, 2 Chome-2 Yamadaoka, Suita, Osaka 565-0871, Japan) ,  Sugano Nobuhiko (Department of Orthopedic Medical Engineering, Osaka University Graduate School of Medicine, 2 Chome-2 Yamadaoka, Suita, Osaka 565-0871, Japan) ,  Sato Yoshinobu, (Graduate School of Information Science, Nara Institute of Science and Technology, 8916-5 Takayama-cho, Ikoma, Nara 630-0192, Japan) ,  Otake Yoshito (Graduate School of Information Science, Nara Institute of Science and Technology, 8916-5 Takayama-cho, Ikoma, Nara 630-0192, Japan)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 184  ページ： Null  発行年： 2020年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 寛骨臼成分の位置異常は,全股関節形成術(THA)後の脱臼と補綴の衝突を引き起こし,それは術後のクオリティオブライフとインプラント寿命に有意に影響する。寛骨臼構成要素の位置は,異なる人々の間で変化するだけでなく,異なる位置においても変化するPelvic Sagittal Inclination(PSI)によって決定される。THAの患者特異的計画に対するPSIの個々の動的変化を認識することは重要である。以前のPSIは,CTとX線撮影画像を記録することによって推定された。本研究において,CTがルーチンプロトコルとして得られない多数の病院での応用を増加させる可能性を開く患者の放射線被曝を低減するために,CT画像を必要とせずに機能性PSIの正確な推定のための新しい方法を導入した。提案した方法は,2つの主要なステップから成る。最初に,Mask R-CNNフレームワークを用いて,X線画像の背景から骨盤形状を分割した。次に,セグメンテーションネットワークに従って,もう一つの畳込みネットワークはPSI角度を回帰した。ネットワーク重みを非医用画像により初期化し,続いてX線画像を用いて微調整を行う移動学習パラダイムを用いた。さらに,訓練プロセスにおいて,拡張データを,両方のネットワークの性能を改善するために生成した。このシステムにおけるセグメンテーションネットワークの役割を解析し,医用画像セグメンテーションに一般的に用いられるUネットと比較してMask R-CNN性能を調べた。本研究において,マルチタスク学習,転送学習,およびデータ拡張技術を利用するMask R-CNNは0.960±0.008DICE係数を達成し,それはUネットより著しく優れている。カスケードシステムは,X線画像に対して4.04°±3.39°の誤差でPSIを推定することができる。提案したフレームワークは,前後のX線画像のみを用いたPSIの完全に自動的でロバストな推定を示唆する。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ラジオグラフィー ,  人工股関節置換術 ,  *学習 ,  クオリティオブライフ ,  放射線被曝 ,  ネットワーク ,  畳込み ,  医用画像 ,  ロバスト性 ,  *骨盤 ,  寛骨臼 ,  X線画像 ,  セグメンテーション
準シソーラス用語： 医用画像セグメンテーション ,  CT画像 , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工股関節全置換術 ,  骨盤傾斜 ,  深層学習 ,  畳み込みニューラルネットワーク ,  セグメンテーション ,  マスクR-CNN

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 深部 ,  学習 ,  フレームワーク ,  ラジオグラフィー ,  骨盤 ,  推定