論文の概要: The establishment of static digital humans and the integration with spinal models
- arxiv url: http://arxiv.org/abs/2502.07844v1
- Date: Tue, 11 Feb 2025 08:21:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-13 13:45:25.989363
- Title: The establishment of static digital humans and the integration with spinal models
- Title(参考訳): 静的デジタルヒューマンの確立と脊髄モデルとの融合
- Authors: Fujiao Ju, Yuxuan Wang, Shuo Wang, Chengyin Wang, Yinbo Chen, Jianfeng Li, Mingjie Dong, Bin Fang, Qianyu Zhuang,
- Abstract要約: 思春期特発性強皮症(AIS)は、個人の健康と生活の質に大きな影響を及ぼす。
従来の撮像技術は脊椎の静的な視界を提供する。
動的デジタルヒューマンモデリングは、デジタル医療の大きなブレークスルーである。
- 参考スコア(独自算出の注目度): 18.434834209150555
- License:
- Abstract: Adolescent idiopathic scoliosis (AIS), a prevalent spinal deformity, significantly affects individuals' health and quality of life. Conventional imaging techniques, such as X - rays, computed tomography (CT), and magnetic resonance imaging (MRI), offer static views of the spine. However, they are restricted in capturing the dynamic changes of the spine and its interactions with overall body motion. Therefore, developing new techniques to address these limitations has become extremely important. Dynamic digital human modeling represents a major breakthrough in digital medicine. It enables a three - dimensional (3D) view of the spine as it changes during daily activities, assisting clinicians in detecting deformities that might be missed in static imaging. Although dynamic modeling holds great potential, constructing an accurate static digital human model is a crucial initial step for high - precision simulations. In this study, our focus is on constructing an accurate static digital human model integrating the spine, which is vital for subsequent dynamic digital human research on AIS. First, we generate human point - cloud data by combining the 3D Gaussian method with the Skinned Multi - Person Linear (SMPL) model from the patient's multi - view images. Then, we fit a standard skeletal model to the generated human model. Next, we align the real spine model reconstructed from CT images with the standard skeletal model. We validated the resulting personalized spine model using X - ray data from six AIS patients, with Cobb angles (used to measure the severity of scoliosis) as evaluation metrics. The results indicate that the model's error was within 1 degree of the actual measurements. This study presents an important method for constructing digital humans.
- Abstract(参考訳): 思春期特発性強皮症(AIS)は脊髄変形が進行し、個人の健康と生活の質に大きな影響を及ぼす。
X線、CT(Computerd tomography)、MRI(MRI)などの従来の画像技術は、脊椎の静的な視界を提供する。
しかし、これらは脊椎のダイナミックな変化と全身運動との相互作用を捉えることに制限されている。
そのため、これらの制限に対処する新たな技術開発が極めて重要になっている。
動的デジタルヒューマンモデリングは、デジタル医療の大きなブレークスルーである。
日常活動中に変化していくと、脊椎の3次元(3D)ビューが可能になり、静的イメージングで見逃される可能性のある変形を臨床医が検出するのに役立つ。
動的モデリングは大きな可能性を秘めているが、正確な静的なデジタル人間モデルを構築することは、高精度なシミュレーションにとって重要な初期ステップである。
本研究では,その後のAISの動的デジタル人間研究に欠かせない,脊椎を一体化した高精度な静的デジタル人体モデルの構築に焦点をあてる。
まず、患者のマルチビュー画像から3次元ガウス法とスキンド・マルチ・パーソン・リニア(SMPL)モデルを組み合わせることで、クラウドデータを生成する。
そこで,本研究では,人体モデルに標準骨格モデルを適用した。
次に,CT画像から再構成した実際の脊椎モデルを標準骨格モデルと整列する。
6例のAIS患者から得られたX線データを用いて, 脊柱管の重症度を計測した。
その結果,モデルの誤差は実測値の1度以内であることが示唆された。
本研究では,デジタル人間構築のための重要な手法を提案する。
関連論文リスト
- Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
大規模なデータセットのトレーニングによるスケーリングは、画像生成の品質と忠実度を高め、拡散モデルによる操作を可能にすることが示されている。
遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。
本研究は,異なる微調整方式と組み合わせた場合,様々なシナリオにおいて顕著な性能向上を示すものである。
論文 参考訳(メタデータ) (2024-12-30T01:59:34Z) - Morphology-preserving Autoregressive 3D Generative Modelling of the
Brain [2.6498965891119397]
この研究は、人間の脳の正確で高解像度で現実的な画像を生成するためにスケールできる生成モデルを提案する。
潜在的に無制限な量のデータを生成する能力は、患者のプライバシーを損なうことなく、人間の解剖学と病理学の大規模な研究を可能にするだけでなく、異常検出、モダリティ合成、限られたデータによる学習、公正で倫理的なAIの研究を著しく前進させる。
論文 参考訳(メタデータ) (2022-09-07T14:17:42Z) - DeepAD: A Robust Deep Learning Model of Alzheimer's Disease Progression
for Real-World Clinical Applications [0.9999629695552196]
本稿では,アルツハイマー病の進行を予測するための新しいマルチタスク深層学習モデルを提案する。
本モデルでは,3次元畳み込みニューラルネットワークの高次元MRI特徴を他のデータモダリティと統合する。
論文 参考訳(メタデータ) (2022-03-17T05:42:00Z) - H4D: Human 4D Modeling by Learning Neural Compositional Representation [75.34798886466311]
この研究は、動的人間に対するコンパクトで構成的な表現を効果的に学習できる新しい枠組みを提示する。
単純で効果的な線形運動モデルを提案し, 粗く規則化された動き推定を行う。
本手法は, 高精度な動作と詳細な形状を持つ動的ヒトの回復に有効であるだけでなく, 様々な4次元人間関連タスクにも有効であることを示す。
論文 参考訳(メタデータ) (2022-03-02T17:10:49Z) - MedNeRF: Medical Neural Radiance Fields for Reconstructing 3D-aware
CT-Projections from a Single X-ray [14.10611608681131]
過剰な電離放射線は、体に決定論的かつ有害な影響をもたらす可能性がある。
本稿では,CTプロジェクションの再構成を学習する深層学習モデルを提案する。
論文 参考訳(メタデータ) (2022-02-02T13:25:23Z) - LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human
Bodies [78.17425779503047]
本稿では,人体に対する新しい暗黙の表現法を提案する。
完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。
我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
論文 参考訳(メタデータ) (2021-11-30T04:10:57Z) - Classification of Brain Tumours in MR Images using Deep Spatiospatial
Models [0.0]
本稿では、ResNet (2+1)DとResNet Mixed Convolutionの2つの時間モデルを用いて、異なるタイプの脳腫瘍を分類する。
両モデルとも純粋な3次元畳み込みモデルであるResNet18よりも優れていた。
論文 参考訳(メタデータ) (2021-05-28T19:27:51Z) - Combining Implicit Function Learning and Parametric Models for 3D Human
Reconstruction [123.62341095156611]
深層学習近似として表される暗黙の関数は、3次元曲面の再構成に強力である。
このような機能は、コンピュータグラフィックスとコンピュータビジョンの両方に柔軟なモデルを構築するのに不可欠である。
詳細に富んだ暗黙関数とパラメトリック表現を組み合わせた方法論を提案する。
論文 参考訳(メタデータ) (2020-07-22T13:46:14Z) - Inferring the 3D Standing Spine Posture from 2D Radiographs [5.114998342130747]
このような生体力学的分析には、自然重み付け下での立位姿勢(立位)が不可欠である。
本稿では,脊椎に作用する新しいニューラルネットワークアーキテクチャであるemphTransVertを提案する。
論文 参考訳(メタデータ) (2020-07-13T18:37:00Z) - Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。
また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
論文 参考訳(メタデータ) (2020-07-09T13:23:15Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳(メタデータ) (2020-06-11T17:29:53Z)
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。