압축파일 
![[서울대 학사논+PPT] 척추 x레이 이미지분석 의료인공짿능 모델](https://image4.ppt2video.com/Production/thumb212/2021/01/10/data25470442-0001.jpg)
-
미보기
소개
척추 x레이 이미지를 머신러닝으로 분석해서 자동으로 척추의 휜 각도를 추출해내는 모델입니다.
서울대학껓 의과대학 연구실에서 연구 후, 졸업논으로 제출한 내용입니다.
논 + 발표 ppt첨부입니다.목차
1. 논
2. 발표 ppt
본내용
Abstract
This research suggests the way to automatically calculate Cobb angles from spine X-ray image. Convolutional neural network predicts landmarks, the coordinates of each vertebrae in the image. Spinal curve is extracted by the predicted landmarks by a mathematical algorithm. The network was trained with 609 publicly accessible spine x-ray images. This research achieved SMAPE score of 21.70 on test set, 19.58 on test set with appropriate cropping.
Keywords: deep learning, convolutional neural network, AASCE Challenge, scoliosis, medical imaging, spine, Cobb angle
1. Introduction
Adolescent Idiopathic Scoliosis (AIS) is a condition appearing in late childhood or adolescence, characterized by an abnormal curvature of spine. Cobb angle is clinical standard for diagnosis and treatment of AIS, so accurate prediction of Cobb angle is critical. However, manual Cobb angle measurement is time-consuming and prone to errors. Hence, Automatic Cobb angle estimation has been considerably called for to overcome deficiencies of traditional method. [2]참고자료
· Dubost F., Collery B., Renaudier A., and Roc A. 2020. ‘Automated Estimation of the Spinal Curvature via Spine Centerline Extraction with Ensembles of Cascaded Neural Networks’, Computational Methods and Clinical Applications for Spine Imaging, 88-94
· Wu H., Bailey C., Rasoulinejad P., and Li S. 2017. ‘Automatic landmark estimation for adolescent idiopathic scoliosis assessment using boostnet’, Medical Image Computing and Computer Assisted Intervention – MICCAI 2017, 127-135.
· Khanal B., Dahal L., Adhikari P., Khanal B. 2020. ‘Automatic Cobb Angle Detection Using Vertebra Detector and Vertebra Corners Regression’, Computational Methods and Clinical Applications for Spine Imaging, 81-87
· Girshick R. 2015. ‘Fast R-CNN’, 2015 IEEE International Conference on Computer Vision (ICCV), 1440-1448.
· Kingma D. P., and Ba J. L. 2015. ‘Adam: A method for stochastic optimization’, arXiv preprint, arXiv: 1412.6980
· Ioffe S., and Szegedy C. 2015. ‘Batch normalization: Accelerating deep network training by reducing internal covariance shift’, arXiv preprint, arXiv:1502.03167
· Srivastava N., Hinton G., Krizhevsky A., Sutskever I., and Salakhutdinov R. 2014. ‘Dropout: A Simple Way to Prevent Neural Networks from Overfitting’, Journal of Machine Learning Research, 15:1929-1958
· He K., Zhang X., Ren S. and Sun J. 2016. ‘Deep Residual Learning for Image Recognition’, 2016 IEEE Conference on Computer Vision and Pattern Recognition, 770-778.
· ‘aasce19-home’, AASCE 2019. 2019, accessed Mar 22 2020, https://aasce19.grand-challenge.org.태그
-
자료후기
Ai 리뷰짿식판매자의 자료는 질이 높고, 각 분야의 전문 지식을 바탕으로 한 콘텐츠가 많아 학습하는 재미가 쏠쏠합니다. 앞으로도 많은 유익한 자료를 기대합니다! -
자주묻는질의 답변을 확인해 주세요
꼭 알아주세요
-
자료의 정보 및 내용의 진실성에 대하여 해피캠퍼스는 보증하지 않으며, 해당 정보 및 게시물 저작권과 기타 법적 책임은 자료 등록자에게 있습니다.
자료 및 게시물 내용의 불법적 이용, 무단 전재∙배포는 금지되어 있습니다.
저작권침해, 명예훼손 등 분쟁 요소 발견 시 고객비바카지노 Viva의 저작권침해 신고비바카지노 Viva를 이용해 주시기 바랍니다. -
해피캠퍼스는 구매자왿 판매자 모두가 만족하는 서비스가 되도록 노력하고 있으며, 아래의 4가지 자료환불 조건을 꼭 확인해주시기 바랍니다.
파일오류 중복자료 저작권 없음 설명과 실제 내용 불일치 파일의 다운로드가 제대로 되지 않거나 파일형식에 맞는 프로그램으로 정상 작동하지 않는 경우 다른 자료왿 70% 이상 내용이 일치하는 경우 (중복임을 확인할 수 있는 근거 필요함) 인터넷의 다른 사이트, 연구기관, 학껓, 서적 등의 자료를 도용한 경우 자료의 설명과 실제 자료의 내용이 일치하지 않는 경우
문서 초안을 생성해주는 EasyAI
“EasyAI 가 작성한 문서 초안은 완벽하지 않을 수 있습니다"
