論文の概要: Spinal ligaments detection on vertebrae meshes using registration and 3D edge detection
- arxiv url: http://arxiv.org/abs/2412.05081v1
- Date: Fri, 06 Dec 2024 14:39:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-09 15:56:03.108579
- Title: Spinal ligaments detection on vertebrae meshes using registration and 3D edge detection
- Title（参考訳）: 登録と3次元エッジ検出による脊椎メッシュの脊柱靭帯検出
- Authors: Ivanna Kramer, Lara Blomenkamp, Kevin Weirauch, Sabine Bauer, Dietrich Paulus,
- Abstract要約: 本手法は, ステップワイズアプローチを用いて66個の脊柱靭帯付着点を検出することができる。
ランドマーク検出には椎骨1本あたり約3.0秒が必要で、既存の方法よりも大幅に改善されている。
- 参考スコア（独自算出の注目度）: 0.4194295877935868
- License:
- Abstract: Spinal ligaments are crucial elements in the complex biomechanical simulation models as they transfer forces on the bony structure, guide and limit movements and stabilize the spine. The spinal ligaments encompass seven major groups being responsible for maintaining functional interrelationships among the other spinal components. Determination of the ligament origin and insertion points on the 3D vertebrae models is an essential step in building accurate and complex spine biomechanical models. In our paper, we propose a pipeline that is able to detect 66 spinal ligament attachment points by using a step-wise approach. Our method incorporates a fast vertebra registration that strategically extracts only 15 3D points to compute the transformation, and edge detection for a precise projection of the registered ligaments onto any given patient-specific vertebra model. Our method shows high accuracy, particularly in identifying landmarks on the anterior part of the vertebra with an average distance of 2.24 mm for anterior longitudinal ligament and 1.26 mm for posterior longitudinal ligament landmarks. The landmark detection requires approximately 3.0 seconds per vertebra, providing a substantial improvement over existing methods. Clinical relevance: using the proposed method, the required landmarks that represent origin and insertion points for forces in the biomechanical spine models can be localized automatically in an accurate and time-efficient manner.
- Abstract（参考訳）: 脊椎靭帯は複雑な生体力学シミュレーションモデルにおいて重要な要素であり、骨構造上の力を伝達し、運動をガイドし、制限し、脊椎を安定させる。
脊髄靭帯は、他の脊髄成分間の機能的相互関係を維持する7つの主要なグループを含む。
3次元脊椎モデルにおける靭帯の起源と挿入点の決定は、正確で複雑な脊椎生体力学モデルを構築するための重要なステップである。
本稿では,ステップワイズアプローチを用いて66個の脊柱靭帯付着点を検出可能なパイプラインを提案する。
本手法では, 高速椎体登録を行い, 15点の3D点のみを戦略的に抽出し, その変形を計算し, 任意の患者特異的椎体モデルに対して, 登録靭帯を正確に投影するためのエッジ検出を行う。
特に,前縦靭帯では平均2.24mm,後縦靭帯では1.26mmであった。
ランドマーク検出には椎骨1本あたり約3.0秒が必要で、既存の方法よりも大幅に改善されている。
臨床関連性: 提案手法を用いて, 生体力学的脊椎モデルにおける力の起始点と挿入点を表すランドマークを, 正確な時間効率で自動的に局所化することができる。
関連論文リスト
- SpineFM: Leveraging Foundation Models for Automatic Spine X-ray Segmentation [0.0]
本稿では,脊椎の自動分割と同定における最先端性能を実現する新しいパイプラインであるSpineFMを紹介する。
椎骨の97.8%と99.6%の同定に成功した2つの公開X線データセットにおいて、優れた結果を得た。
論文 参考訳（メタデータ） (2024-11-01T02:51:21Z) - 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) - Accurate Scoliosis Vertebral Landmark Localization on X-ray Images via
Shape-constrained Multi-stage Cascaded CNNs [14.298452017755197]
椎間板のランドマークの局在は、脊椎関連臨床応用における重要なステップである。
単一タスクを2つの逐次ステップに分割する多段階畳み込み畳み込みニューラルネットワーク(CNN)を提案する。
脊椎後方X線像609点からなるAASCEデータセットについて検討した。
論文 参考訳（メタデータ） (2022-06-05T02:45:40Z) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳（メタデータ） (2021-10-28T12:59:06Z) - Stacked Hourglass Network with a Multi-level Attention Mechanism: Where
to Look for Intervertebral Disc Labeling [2.3848738964230023]
椎間板の位置と骨格構造を協調的に学習する多レベルアテンション機構を有する重畳時間ガラスネットワークを提案する。
提案した深層学習モデルは意味的セグメンテーションの強さとポーズ推定手法を考慮し,欠落した領域と偽陽性検出を扱う。
論文 参考訳（メタデータ） (2021-08-14T14:53:27Z) - 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) - MotioNet: 3D Human Motion Reconstruction from Monocular Video with
Skeleton Consistency [72.82534577726334]
モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。
本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
論文 参考訳（メタデータ） (2020-06-22T08:50:09Z) - Analysis of Scoliosis From Spinal X-Ray Images [17.8260780895433]
脊柱管の計測には脊椎のラベル付けと識別が必要である。
スコリオーシス(英: Scoliosis)は、脊椎が正常な形状から変形する先天性疾患である。
そこで本研究では,脊柱管狭窄計測に伴う脊椎の完全自動的,信頼性の高いセグメンテーションを提供するエンドツーエンドセグメンテーションモデルを提案する。
論文 参考訳（メタデータ） (2020-04-15T05:36:28Z) - Vertebra-Focused Landmark Detection for Scoliosis Assessment [54.24477530836629]
脊椎に焦点をあてた新しいランドマーク検出法を提案する。
我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。
その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
論文 参考訳（メタデータ） (2020-01-09T19:17:41Z)
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。