4. 4
[4] Cosmo, M.D., Fiorentino, M.C., et al.: LearningBased Median Nerve Segmentation From Ultrasound Images For Carpal Tunnel Syndrome Evaluation; 2021 43rd Annual International Conference of the IEEE Engineering in Medicine &
Biology Society (EMBC), pp.3025-3028 (2021).
[5] Kuroiwa, T., Jagtap, J., et al.: Deep Learning Estimation of Median Nerve Volume Using Ultrasound Imaging in a Human Cadaver Model; ultrasound in Med. & Biol, pp.112 (2022).
[6] Shinohara, I., Inui, A., et al.: Using deep learning for ultrasound images to diagnose carpal tunnel syndrome with high accuracy; Ultrasound in Medicine & Biology, pp.1-8 (2022).
関連研究
ディープラーニングによる正中神経
体積の推定値と手動で計測した近似
体積との線形回帰[5]
学習モデルの関心領域可視化[6]
Mask R-CNNによる
セグメンテーション例[4]
• 超音波画像にディープラーニングを用いた手根管症候群推定
• 手の動きによる神経パターンの時間変化を考慮していない
5. • 超音波動画中の正中神経セグメンテーション
• 超音波動画から正中神経を90%以上の精度で追跡できる深層類似学習を用いた追跡
モデルを提案[7]
• 様々な深層学習モデルを用いて超音波動画中の正中神経セグメンテーションの性
能を評価[8]
• DeepLabV3+
• Mask R-CNN
• 手根管症候群の有無や重症度の推定は行っていない
5
[7] Wang, Y.W., Chang, R.F., et al.: MNT-DeepSL:Median nerve tracking from carpal tunnel ultrasound images with deep similarity learning and analysis on continuous wrist motions; Computerized Medical Imaging and Graphics, Vol.80
(2020).
[8] Wu, C.H., Syu, W.T., et al.: Automated Segmentation of Median Nerve in Dynamic Sonography Using Deep Learning: Evaluation of Model Performance; Diagnostics 2021, 11, 1893 (202
関連研究
クラス分類には XGBoost を用いました.XGBoost の汎化精度を評価するため,グループ k 分割交差検証を用いました.グループ k 分割交差検証は,学習データとテストデータで同じグループが含まれないようにする k 分割交差検証です.今回のデータセットには,両側性の患者と片側性の患者のデータがあるため,被験者ごとに ID を割り当て,同じ被験者のデータが学習データとテストデータの両方に含まれないようにしました.