重症度定量化のための教師なし形状正規性計量【JST・京大機械翻訳】

Tao Wenzheng; Bhalodia Riddhish; Anstadt Erin; Kavan Ladislav; Whitaker Ross T.; Goldstein Jesse A.

プレプリント

J-GLOBAL ID：202202201841178947 整理番号：22P0172416

重症度定量化のための教師なし形状正規性計量【JST・京大機械翻訳】

Unsupervised Shape Normality Metric for Severity Quantification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年07月17日プレプリントサーバーでの情報更新日： 2020年09月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本研究では,一般的解剖学的形状の異常を客観的に定量化するための教師なし方法について述べた。解剖学的奇形の重症度は,しばしば患者の臨床管理における決定因子として機能する。しかし,専門家の個人間の経験的バイアスと特徴的なランダム残差は,客観的な変形度に関係なく,診断と患者管理決定に変動性をもたらす。したがって,監督された方法は,人間のバイアスと不整合を必然的に保存する病理学的サンプルの不十分なラベリングを与える傾向がある。さらに,特定の病理学を示す被験者は,正常集団と比較して自然に稀である。正常試料のパワーを完全に利用することにより,十分な病理学的サンプルに頼ることを避けるため,正常サンプルのみの学習と病理学に関するゼロ知識を必要とする形状正規性計量(SNM)を提案した。データから自動的に推論されたランドマークにより形状を表し,多変量Gauss分布により正常グループをモデル化した。頭蓋骨,大腿骨,肩甲骨,および上腕骨を含む異なる解剖学的データセットに関する広範な実験は,SNMが効果的な正常性測定を提供することができ,それは病理学を有意に検出して示すことができることを示す。したがって,SNMは様々な臨床応用において有望な価値を提供する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

医用画像処理 , 神経系の診断 , 消化器の疾患

, , ,

前のページに戻る