DeepLOC: Deep Learning-based Bone Pathology Localization and Classification in Wrist X-ray Images

要約

近年、コンピュータ支援診断システムは、放射線科医による正確かつ効率的な医用画像分析を支援する上で大きな可能性を示しています。
この論文では、YOLO (You Only Look Once) とシフト ウィンドウ トランスフォーマー (Swin) を新しく提案されたブロックと組み合わせて使用​​する、手首 X 線画像における骨病変の位置特定と分類のための新しいアプローチを紹介します。
提案された方法論は、手首の X 線分析における 2 つの重要な課題、つまり骨の病状の正確な位置特定と異常の正確な分類に対処します。
YOLO フレームワークは、リアルタイムの物体検出機能を活用して、骨の病変を検出して位置を特定するために採用されています。
さらに、トランスフォーマーベースのモジュールである Swin を利用して、局所的な関心領域 (ROI) からコンテキスト情報を抽出し、正確に分類します。

要約(オリジナル)

In recent years, computer-aided diagnosis systems have shown great potential in assisting radiologists with accurate and efficient medical image analysis. This paper presents a novel approach for bone pathology localization and classification in wrist X-ray images using a combination of YOLO (You Only Look Once) and the Shifted Window Transformer (Swin) with a newly proposed block. The proposed methodology addresses two critical challenges in wrist X-ray analysis: accurate localization of bone pathologies and precise classification of abnormalities. The YOLO framework is employed to detect and localize bone pathologies, leveraging its real-time object detection capabilities. Additionally, the Swin, a transformer-based module, is utilized to extract contextual information from the localized regions of interest (ROIs) for accurate classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google