Concepts de base
患者の画像データに基づいて自動的に骨粗鬆症を診断する新しい手法の提案とその効果に焦点を当てる。
Résumé
骨粗鬆症は生活の質に深刻な影響を与える一般的な疾患であり、従来の診断方法は高価で複雑です。
本論文では、拡散モデルとクラス閾値正弦減衰を組み合わせた半教師付きモデルが提案され、画像データに基づいて自動的に骨粗鬆症を診断することが可能であることが示されています。
新しい擬似ラベル閾値調整メカニズム「Sinusoidal Threshold Decay」が提案され、モデルの収束速度向上と性能向上が実現されます。
実験では749枚の歯科全景画像を使用し、80.10%の正確さでリーディングな検出性能が達成されました。
導入
骨粗鬆症は高齢者や更年期後の女性などに影響を及ぼす一般的な状態であり、品質生活に重大な影響を与えます。
高価なDXAスキャンは一般的なスクリーニングには適していません。
方法
データセットは* 病院から収集され、16〜90歳までの年齢層から成り立っています。
半教師付きトレーニングフレームワークが口腔全景放射写真を入力として使用しています。
実験と結果
診断は分類問題であり、PyTorchを使用したフレームワークが実装されました。
提案手法は他の最先端手法と比較して優れたパフォーマンスを示しました。
Stats
この論文では749枚の歯科全景画像を使用し、80.10%の正確さが達成されました。