核心概念
本研究では、CT 画像の骨領域の自動分割と半教師あり学習を組み合わせることで、足関節骨折の自動分類を実現する。
要約
本研究では、足関節骨折の自動診断モデルを提案している。
まず、脛骨と腓骨の領域を自動分割するネットワークを構築し、骨折データに基づいて分割データセットを作成した。次に、画像登録手法を用いて、正常な骨マスクと分割したマスクを整合させた。最後に、大量の教師なしデータを活用するために半教師あり分類器を構築した。
実験の結果、提案手法は骨折線を正確に分割でき、一般的な手法よりも優れた性能を示した。また、分類ネットワークよりも複数の指標で優れた性能を示した。
このように、CT 画像の骨領域の自動分割と半教師あり学習を組み合わせることで、足関節骨折の自動分類が可能となった。手動ラベル付けの時間を節約でき、教師あり学習と教師なし学習を組み合わせることで高精度な分類が実現できる。
統計
足関節骨折の分類には、骨折線の位置が重要な指標となる。
骨折線が靱帯より下の部位(A型)、靱帯レベル(B型)、靱帯より上(C型)の3つに分類される。
引用
"足関節は日常生活の中で最も傷つきやすい関節の1つで、全身骨折の約3.9%を占める。足関節骨折の発生率は10万人あたり187人で、そのうち25%が手術治療を必要とする。"
"X線撮影は依然として骨折の診断に重要な役割を果たしているが、画像診断のプロセスが非常に複雑で、医師が広範な知識を必要とするため、機械学習はこの分野での応用が期待されている。"