Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Detection of Sclerotic Spine Metastases via Random Aggregation of Deep Convolutional Neural Network Classifications Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Stacked Auto-encoders for Classification of 3D Spine Models in Adolescent Idiopathic Scoliosis

verfasst von : William E. Thong, Hubert Labelle, Jesse Shen, Stefan Parent, Samuel Kadoury

Erschienen in: Recent Advances in Computational Methods and Clinical Applications for Spine Imaging

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Current classification systems for adolescent idiopathic scoliosis lack information on how the spine is deformed in three dimensions (3D), which can mislead further treatment recommendations. We propose an approach to address this issue by a deep learning method for the classification of 3D spine reconstructions of patients. A low-dimensional manifold representation of the spine models was learnt by stacked auto-encoders. A K-Means++ algorithm using a probabilistic seeding method clustered the low-dimensional codes to discover sub-groups in the studied population. We evaluated the method with a case series analysis of 155 patients with Lenke Type-1 thoracic spinal deformations recruited at our institution. The clustering algorithm proposed 5 sub-groups from the thoracic population, yielding statistically significant differences in clinical geometric indices between all clusters. These results demonstrate the presence of 3D variability within a pre-defined 2D group of spinal deformities.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Detection of Sclerotic Spine Metastases via Random Aggregation of Deep Convolutional Neural Network Classifications
Nächstes Kapitel An Active Optical Flow Model for Dose Prediction in Spinal SBRT Plans
Literatur
1.
Arthur, D., Vassilvitskii, S.: k-means++: The advantages of careful seeding. In: Proceedings of the eighteenth annual ACM-SIAM symposium on discrete algorithms. pp. 1027–1035. Society for industrial and applied mathematics (2007)
2.
Bengio, Y., Courville, A., Vincent, P.: Representation learning: A review and new perspectives. IEEE transactions on pattern analysis and machine intelligence (2013)
3.
Bergstra, J., Breuleux, O., Bastien, F., Lamblin, P., Pascanu, R., Desjardins, G., Turian, J., Warde-Farley, D., Bengio, Y.: Theano: a CPU and GPU math expression compiler. In: Proceedings of the Python for scientific computing conference (SciPy) (2010)
4.
Duong, L., Cheriet, F., Labelle, H.: Three-dimensional classification of spinal deformities using fuzzy clustering. Spine 31(8), 923–930 (2006)CrossRef
5.
Duong, L., Cheriet, F., Labelle, H.: Three-dimensional subclassification of lenke type 1 scoliotic curves. J. Spinal Disord. and Tech. 22(2), 135–143 (2009)CrossRef
6.
Hinton, G., Salakhutdinov, R.: Reducing the dimensionality of data with neural networks. Science (New York) 313(5786), 504–507 (2006)CrossRefMATHMathSciNet
7.
Kadoury, S., Labelle, H.: Classification of three-dimensional thoracic deformities in adolescent idiopathic scoliosis from a multivariate analysis. Euro. Spine J. 21(1), 40–49 (2012)CrossRef
8.
King, H.A., Moe, J.H., Bradford, D.S., Winter, R.B.: The selection of fusion levels in thoracic idiopathic scoliosis. J. Bone and Jt. Surg. 65(9), 1302–1313 (1983)
9.
Labelle, H., Aubin, C.E., Jackson, R., Lenke, L., Newton, P., Parent, S.: Seeing the spine in 3d: how will it change what we do? J. Pediatr. Orthop. 31, S37–S45 (2011)CrossRef
10.
Lenke, L., Betz, R., Harms, J., Bridwell, K., Clements, D., Lowe, T., Blanke, K.: Adolescent idiopathic scoliosis: a new classification to determine extent of spinal arthrodesis. J. Bone Jt. Surg. Am. bf 83-A(8), 1169–1181 (2001)
11.
van der Maaten, L.J., Postma, E.O., van den Herik, H.J.: Dimensionality reduction: A comparative review. J. Mach. Learn. Res. 10(1–41), 66–71 (2009)
12.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., Duchesnay, E.: Scikit-learn: Machine learning in Python. J. Mach. Learn. Res. 12, 2825–2830 (2011)MATHMathSciNet
13.
Pomero, V., Mitton, D., Laporte, S., de Guise, J.A., Skalli, W.: Fast accurate stereoradiographic 3d-reconstruction of the spine using a combined geometric and statistic model. Clin. Biomech. 19(3), 240–247 (2004)CrossRef
14.
Ray, S., Turi, R.H.: Determination of number of clusters in k-means clustering and application in colour image segmentation. In: Proceedings of the 4th international conference on advances in pattern recognition and digital techniques. pp. 137–143 (1999)
15.
Sangole, A.P., Aubin, C., Labelle, H., Stokes, I.A.F., Lenke, L.G., Jackson, R., Newton, P.: Three-dimensional classification of thoracic scoliotic curves. Spine 34(1), 91–99 (2009)
16.
Stokes, I.A., Bigalow, L.C., Moreland, M.S.: Measurement of axial rotation of vertebrae in scoliosis. Spine 11(3), 213–218 (1986)CrossRef
17.
Stokes, I.A., Sangole, A.P., Aubin, C.E.: Classification of scoliosis deformity 3-d spinal shape by cluster analysis. Spine 34(6), 584–590 (2009)CrossRef
18.
Vincent, P., Larochelle, H., Bengio, Y., Manzagol, P.A.: Extracting and composing robust features with denoising autoencoders. In: Proceedings of the 25th international conference on machine learning. pp. 1096–1103. ACM (2008)
Metadaten
Titel
Stacked Auto-encoders for Classification of 3D Spine Models in Adolescent Idiopathic Scoliosis
verfasst von
William E. Thong
Hubert Labelle
Jesse Shen
Stefan Parent
Samuel Kadoury
Copyright-Jahr
2015
Buch
Recent Advances in Computational Methods and Clinical Applications for Spine Imaging

Print ISBN: 978-3-319-14147-3

Electronic ISBN: 978-3-319-14148-0

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-14148-0_2

Neuer Inhalt

    Bildnachweise