A Stronger Baseline For Automatic Pfirrmann Grading Of Lumbar Spine MRI Using Deep Learning

要約

このホワイト ペーパーでは、ディープ ラーニングを使用して腰椎 MRI の視覚的特徴をグレーディングするという課題に取り組んでいます。
このような方法は、脊椎の構造変化の自動定量化に不可欠であり、腰痛を理解するのに役立ちます。
最近の複数の研究では、さまざまなアーキテクチャ設計が調査されており、最新の成功はトランス アーキテクチャの使用に起因しています。
この作業では、セマンティック セグメンテーション、ローカリゼーション、および分類を含む適切に調整された 3 段階のパイプラインにより、畳み込みネットワークが最先端のアプローチよりも優れていると主張します。
人口コホートで既存の方法のアブレーション研究を実施し、さまざまなサブグループにわたるパフォーマンスの一般化を報告します。
私たちのコードは、椎間板の変性と腰痛に関する研究を進めるために公開されています。

要約(オリジナル)

This paper addresses the challenge of grading visual features in lumbar spine MRI using Deep Learning. Such a method is essential for the automatic quantification of structural changes in the spine, which is valuable for understanding low back pain. Multiple recent studies investigated different architecture designs, and the most recent success has been attributed to the use of transformer architectures. In this work, we argue that with a well-tuned three-stage pipeline comprising semantic segmentation, localization, and classification, convolutional networks outperform the state-of-the-art approaches. We conducted an ablation study of the existing methods in a population cohort, and report performance generalization across various subgroups. Our code is publicly available to advance research on disc degeneration and low back pain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google