論文の概要: Patient-specific virtual spine straightening and vertebra inpainting: An automatic framework for osteoplasty planning

• arxiv url: http://arxiv.org/abs/2103.07279v1
• Date: Fri, 12 Mar 2021 13:55:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-15 13:28:00.378335
• Title: Patient-specific virtual spine straightening and vertebra inpainting: An automatic framework for osteoplasty planning
• Title（参考訳）: 患者固有の仮想脊椎矯正と椎体塗布 : 骨形成計画のための自動的枠組み
• Authors: Christina Bukas, Bailiang Jian, Luis F. Rodriguez Venegas, Francesca De Benetti, Sebastian Ruehling, Anjany Sekubojina, Jens Gempt, Jan S. Kirschke, Marie Piraud, Johannes Oberreuter, Nassir Navab and Thomas Wendler
• Abstract要約: 脊椎圧迫骨折(VCF)はしばしば骨形成術を必要とする。 漏れは一般的な合併症であり、過剰なセメントの注入によって生じることがある。 そこで本研究では, 医師が注射用セメントの上限を算出できる, 患者固有の自動フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 29.7630930437925
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Symptomatic spinal vertebral compression fractures (VCFs) often require osteoplasty treatment. A cement-like material is injected into the bone to stabilize the fracture, restore the vertebral body height and alleviate pain. Leakage is a common complication and may occur due to too much cement being injected. In this work, we propose an automated patient-specific framework that can allow physicians to calculate an upper bound of cement for the injection and estimate the optimal outcome of osteoplasty. The framework uses the patient CT scan and the fractured vertebra label to build a virtual healthy spine using a high-level approach. Firstly, the fractured spine is segmented with a three-step Convolution Neural Network (CNN) architecture. Next, a per-vertebra rigid registration to a healthy spine atlas restores its curvature. Finally, a GAN-based inpainting approach replaces the fractured vertebra with an estimation of its original shape. Based on this outcome, we then estimate the maximum amount of bone cement for injection. We evaluate our framework by comparing the virtual vertebrae volumes of ten patients to their healthy equivalent and report an average error of 3.88$\pm$7.63\%. The presented pipeline offers a first approach to a personalized automatic high-level framework for planning osteoplasty procedures.
• Abstract（参考訳）: 症状性脊椎圧迫骨折(VCF)はしばしば骨形成術を必要とする。 骨にセメント様の材料を注入して骨折を安定させ、椎体の高さを回復し、痛みを軽減する。 漏れは一般的な合併症であり、過剰なセメントの注入によって生じることがある。 そこで本研究では, 医師が注射用セメントの上限を算出し, 骨形成術の最適成績を推定できる, 患者固有の自動フレームワークを提案する。 このフレームワークは、患者のCTスキャンと骨折した椎骨ラベルを使って、高レベルのアプローチで仮想的な健康な脊椎を構築する。 まず、骨折した脊椎は3段階の畳み込みニューラルネットワーク(CNN)アーキテクチャで分割される。 次に、健康な脊椎アトラスに対する椎間板リジッド登録は、その曲率を回復する。 最後に、GANベースの塗装アプローチは、骨折した椎骨を元の形状の推定に置き換えます。 この結果に基づいて、注入のための骨セメントの最大量を推定します。 10人の患者の仮想椎骨容積を健康な同値値と比較し,平均誤差を3.88$\pm$7.63\%と報告した。 提案するパイプラインは,osteoplasty手順を計画するためのパーソナライズされたハイレベルなフレームワークに対して,最初のアプローチを提供する。

関連論文リスト

• Cascade learning in multi-task encoder-decoder networks for concurrent bone segmentation and glenohumeral joint assessment in shoulder CT scans [0.8974531206817744]
  この研究は、肩部CTスキャンを処理する革新的なディープラーニングフレームワークを導入している。 上腕骨と肩甲骨のセグメンテーション、骨表面の3次元再構成、角膜関節領域の同定などが特徴である。 パイプラインは、セグメンテーションのための3D CEL-UNetと3倍分類のための3D Arthro-Netの2つのケースケードCNNアーキテクチャで構成されている。
  論文  参考訳（メタデータ） (2024-10-16T15:00:31Z)
• A multi-stage semi-supervised learning for ankle fracture classification on CT images [16.772298853243807]
  足関節の関節小臼歯部領域に対して, 遠位骨と遠位骨の分節ネットワークが提案されている。 半教師付き分類器は、多数のラベルのないデータをフル活用して足首骨折を分類するために構成される。
  論文  参考訳（メタデータ） (2024-03-29T05:35:04Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• Context-Aware Transformers For Spinal Cancer Detection and Radiological Grading [70.04389979779195]
  本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。 MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。 画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
  論文  参考訳（メタデータ） (2022-06-27T10:31:03Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• Fast and Robust Femur Segmentation from Computed Tomography Images for Patient-Specific Hip Fracture Risk Screening [48.46841573872642]
  我々は,CTから大腿骨近位部を完全自動化し,正確かつ高速に分割するディープニューラルネットワークを提案する。 本手法は, 股関節骨折リスクスクリーニングに適応し, 当科において, 股関節脱臼患者をスクリーニングするための臨床的選択肢に一歩近づいた。
  論文  参考訳（メタデータ） (2022-04-20T16:16:16Z)
• A Self-Supervised Deep Framework for Reference Bony Shape Estimation in Orthognathic Surgical Planning [55.30223654196882]
  仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。 正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。 本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-11T05:24:40Z)
• A System for 3D Reconstruction Of Comminuted Tibial Plafond Bone Fractures [2.6121721052942917]
  関節部位における高エネルギーの影響は、しばしば高度に断片化された骨骨折を引き起こす。 現在の治療アプローチでは、骨折を階層的骨折重症度分類に分類する方法を医師が決める必要がある。 本稿では、破壊重大度の定性的評価のみに関連する欠点を特定し、これらの欠点に対処するのに役立つ新しい定量的指標を提供します。
  論文  参考訳（メタデータ） (2021-02-23T13:26:55Z)
• Three-dimensional Segmentation of the Scoliotic Spine from MRI using Unsupervised Volume-based MR-CT Synthesis [3.6273410177512275]
  本研究では,無教師付き完全3次元(3次元)クロスモダリティ合成法を提案する。 3D CycleGANモデルはMR領域とCT領域にまたがるボリューム・ツー・ボリューム変換のために訓練される。 結果として生じるセグメンテーションは、脊椎の3次元モデルを再構成するために使用される。
  論文  参考訳（メタデータ） (2020-11-25T18:34:52Z)
• 3D Convolutional Sequence to Sequence Model for Vertebral Compression Fractures Identification in CT [1.7372615815088566]
  骨粗しょう症関連骨折は世界中で3秒ごとに発生し、女性3人に1人、男性5人に1人が50歳以上である。 本研究では,CT画像を用いた脊椎圧迫骨折の自動診断システムを提案する。 このシステムは、脊髄検出のための畳み込みニューラルネットワーク(CNN)と、新しい3Dアーキテクチャへのエンドツーエンドシーケンスを利用して、脊椎のコンパクトな3D表現を統合する。
  論文  参考訳（メタデータ） (2020-10-08T02:39:40Z)
• A Convolutional Approach to Vertebrae Detection and Labelling in Whole Spine MRI [70.04389979779195]
  脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。 これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。 本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
  論文  参考訳（メタデータ） (2020-07-06T09:37:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。