Sélection de la langue

Gouvernement du Canada / Government of Canada

Recherche

Towards non invasive diagnosis of scoliosis using semi-supervised learning approach

Par Conseil national de recherches du Canada

DOITrouver le DOI : https://doi.org/10.1007/978-3-642-13775-4_2
AuteurRechercher : ; Rechercher : ; Rechercher : ; Rechercher : ; Rechercher :
FormatTexte, Chapitre de livre
Résumé
In this paper, a new methodology for the prediction of scoliosis curve types from non invasive acquisitions of the back surface of the trunk is proposed. One hundred and fifty-nine scoliosis patients had their back surface acquired in 3D using an optical digitizer. Each surface is then characterized by 45 local measurements of the back surface rotation. Using a semi-supervised algorithm, the classifier is trained with only 32 labeled and 58 unlabeled data. Tested on 69 new samples, the classifier succeeded in classifying correctly 87.0% of the data. After reducing the number of labeled training samples to 12, the behavior of the resulting classifier tends to be similar to the reference case where the classifier is trained only with the maximum number of available labeled data. Moreover, the addition of unlabeled data guided the classifier towards more generalizable boundaries between the classes. Those results provide a proof of feasibility for using a semi-supervised learning algorithm to train a classifier for the prediction of a scoliosis curve type, when only a few training data are labeled. This constitutes a promising clinical finding since it will allow the diagnosis and the follow-up of scoliotic deformities without exposing the patient to X-ray radiations.
Date de publication
Dans
  • Image Analysis and Recognition : 10–19.
Série
  • Lecture Notes in Computer Science 6112.
Langueanglais
Publications évaluées par des pairsOui
Publication du CNRC
Cette publication n’est pas du CNRC

Ce sont des publications qui ont été rédigées par un auteur du CNRC, mais avant que celui-ci soit employé du CNRC.

Numéro NPARC23001008
Exporter la noticeExporter en format RIS
Signaler une correctionSignaler une correction (s'ouvre dans un nouvel onglet)
Identificateur de l’enregistrement4566f0ac-df71-4baf-a7e3-f1f48117a04c
Enregistrement créé2016-11-28
Enregistrement modifié2020-03-03
Date de modification :