電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2018-07-24 13:55
Machine learning for estimating implanted knee functions using a CT-free navigation
Belayat HossainUHyogo)・Takatoshi MorookaMakiko OkunoHyogo C. Medicine)・Manabu NiiUHyogo)・Shinichi YoshiyaHyogo C. Medicine)・Syoji KobashiUHyogo
技報オンラインサービス実施中
抄録 (和) In total knee arthroplasty (TKA), the damaged knee joint is replaced by artificial prosthesis. Patient-specific TKA surgical planning require evaluation of prosthesis because outcome of the TKA strongly depends on types of prosthesis and surgical methods, and it also differs from subject to subject. Machine learning (ML) techniques could be used to predict postoperative knee kinematics by utilizing a set of pairs of the clinical pre- and postoperative data. This study finds out the feasibility of the support vector regression (SVR) for clinical study, especially in Orthopaedics, and then its performance is compared to other ML method such as neural network (NN), generalized linear regression (GLR) to find the best ML method. It was found that the model?s prediction performance slightly differs from other ML methods. Therefore, this study recommends choosing the best ML methods (GLM and NN) with high accuracy for predictive model construction for predicting TKA outcome. 
(英) In total knee arthroplasty (TKA), the damaged knee joint is replaced by artificial prosthesis. Patient-specific TKA surgical planning require evaluation of prosthesis because outcome of the TKA strongly depends on types of prosthesis and surgical methods, and it also differs from subject to subject. Machine learning (ML) techniques could be used to predict postoperative knee kinematics by utilizing a set of pairs of the clinical pre- and postoperative data. This study finds out the feasibility of the support vector regression (SVR) for clinical study, especially in Orthopaedics, and then its performance is compared to other ML method such as neural network (NN), generalized linear regression (GLR) to find the best ML method. It was found that the model?s prediction performance slightly differs from other ML methods. Therefore, this study recommends choosing the best ML methods (GLM and NN) with high accuracy for predictive model construction for predicting TKA outcome.
キーワード (和) Knee Implantation / Total knee arthroplasty / Kinematics / Machine learning / Predictive model / / /  
(英) Knee Implantation / Total knee arthroplasty / Kinematics / Machine learning / Predictive model / / /  
文献情報 信学技報, vol. 118, no. 150, MI2018-26, pp. 21-24, 2018年7月.
資料番号 MI2018-26 
発行日 2018-07-17 (MI) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 MI  
開催期間 2018-07-24 - 2018-07-24 
開催地(和) アイーナ(岩手県盛岡市) 
開催地(英) aiina (Morioka, Iwate) 
テーマ(和) 医用画像一般 
テーマ(英) Medical Imaging, etc. 
講演論文情報の詳細
申込み研究会 MI 
会議コード 2018-07-MI 
本文の言語 英語 
タイトル(和)  
サブタイトル(和)  
タイトル(英) Machine learning for estimating implanted knee functions using a CT-free navigation 
サブタイトル(英)  
キーワード(1)(和/英) Knee Implantation / Knee Implantation  
キーワード(2)(和/英) Total knee arthroplasty / Total knee arthroplasty  
キーワード(3)(和/英) Kinematics / Kinematics  
キーワード(4)(和/英) Machine learning / Machine learning  
キーワード(5)(和/英) Predictive model / Predictive model  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) Belayat Hossain / Belayat Hossain /
第1著者 所属(和/英) University of Hyogo (略称: 兵庫県立大)
University of Hyogo (略称: UHyogo)
第2著者 氏名(和/英/ヨミ) Takatoshi Morooka / Takatoshi Morooka /
第2著者 所属(和/英) Hyogo College of Medicine (略称: Hyogo C. Medicine)
Hyogo College of Medicine (略称: Hyogo C. Medicine)
第3著者 氏名(和/英/ヨミ) Makiko Okuno / Makiko Okuno /
第3著者 所属(和/英) Hyogo College of Medicine (略称: Hyogo C. Medicine)
Hyogo College of Medicine (略称: Hyogo C. Medicine)
第4著者 氏名(和/英/ヨミ) Manabu Nii / Manabu Nii /
第4著者 所属(和/英) University of Hyogo (略称: 兵庫県立大)
University of Hyogo (略称: UHyogo)
第5著者 氏名(和/英/ヨミ) Shinichi Yoshiya / Shinichi Yoshiya /
第5著者 所属(和/英) Hyogo College of Medicine (略称: Hyogo C. Medicine)
Hyogo College of Medicine (略称: Hyogo C. Medicine)
第6著者 氏名(和/英/ヨミ) Syoji Kobashi / Syoji Kobashi /
第6著者 所属(和/英) University of Hyogo (略称: 兵庫県立大)
University of Hyogo (略称: UHyogo)
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2018-07-24 13:55:00 
発表時間 20 
申込先研究会 MI 
資料番号 IEICE-MI2018-26 
巻番号(vol) IEICE-118 
号番号(no) no.150 
ページ範囲 pp.21-24 
ページ数 IEICE-4 
発行日 IEICE-MI-2018-07-17 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会