論文の概要: Skeleton-Guided Diffusion Model for Accurate Foot X-ray Synthesis in Hallux Valgus Diagnosis
- arxiv url: http://arxiv.org/abs/2505.08247v1
- Date: Tue, 13 May 2025 05:57:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-14 20:57:54.43962
- Title: Skeleton-Guided Diffusion Model for Accurate Foot X-ray Synthesis in Hallux Valgus Diagnosis
- Title（参考訳）: ハルース弁の診断における正確な足部X線合成のための骨格誘導拡散モデル
- Authors: Midi Wan, Pengfei Li, Yizhuo Liang, Di Wu, Yushan Pan, Guangzhen Zhu, Hao Wang,
- Abstract要約: 世界の人口の約19%に影響を及ぼすハルース・バルガスは、度重なるX線による評価を必要とする。
既存のX線モデルは、画像の忠実さ、骨格の一貫性、物理的制約のバランスをとるのに苦労することが多い。
骨格拘束条件拡散モデル(SCCDM)を提案し,骨格ランドマークを利用した足跡評価手法であるKCCを導入する。
- 参考スコア（独自算出の注目度）: 12.427745726658461
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical image synthesis plays a crucial role in providing anatomically accurate images for diagnosis and treatment. Hallux valgus, which affects approximately 19% of the global population, requires frequent weight-bearing X-rays for assessment, placing additional strain on both patients and healthcare providers. Existing X-ray models often struggle to balance image fidelity, skeletal consistency, and physical constraints, particularly in diffusion-based methods that lack skeletal guidance. We propose the Skeletal-Constrained Conditional Diffusion Model (SCCDM) and introduce KCC, a foot evaluation method utilizing skeletal landmarks. SCCDM incorporates multi-scale feature extraction and attention mechanisms, improving the Structural Similarity Index (SSIM) by 5.72% (0.794) and Peak Signal-to-Noise Ratio (PSNR) by 18.34% (21.40 dB). When combined with KCC, the model achieves an average score of 0.85, demonstrating strong clinical applicability. The code is available at https://github.com/midisec/SCCDM.
- Abstract（参考訳）: 医用画像合成は、診断と治療のために解剖学的に正確な画像を提供する上で重要な役割を担っている。
世界の人口の約19%に影響を及ぼすハルース・バルガスは、患者と医療提供者の両方にさらなるストレスを与えるため、度重なるX線検査を必要とする。
既存のX線モデルは、画像の忠実さ、骨格の一貫性、物理的制約のバランスをとるのに苦労することが多い。
骨格拘束条件拡散モデル(SCCDM)を提案し,骨格ランドマークを利用した足跡評価手法であるKCCを導入する。
SCCDMはマルチスケールの特徴抽出と注意機構を導入し、構造類似度指数(SSIM)を5.72%(0.794)、ピーク信号雑音比(PSNR)を18.34%(21.40dB)改善した。
KCCと組み合わせると平均スコアは0.85で、強い臨床応用性を示す。
コードはhttps://github.com/midisec/SCCDMで入手できる。
関連論文リスト
- BS-LDM: Effective Bone Suppression in High-Resolution Chest X-Ray Images with Conditional Latent Diffusion Models [23.830681949520745]
肺疾患は、Chest X-Ray(CXR)が重要な診断ツールであると共に、重要な世界的な健康上の課題である。
肺病変の検出は、しばしばCXR画像の重なり合う骨構造によって妨げられ、潜在的な誤診につながる。
我々は,高解像度CXR画像の骨を効果的に抑制するために,BS-LDMと呼ばれるエンドツーエンドのフレームワークを開発した。
論文 参考訳（メタデータ） (2024-12-20T08:36:17Z) - Classification of lung cancer subtypes on CT images with synthetic
pathological priors [41.75054301525535]
同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。
肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
論文 参考訳（メタデータ） (2023-08-09T02:04:05Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - CIRCA: comprehensible online system in support of chest X-rays-based
COVID-19 diagnosis [37.41181188499616]
深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。
5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。
The U-Net-based model was developed to identified a clinically relevant region of the CXR。
論文 参考訳（メタデータ） (2022-10-11T13:30:34Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - Lumbar Bone Mineral Density Estimation from Chest X-ray Images:
Anatomy-aware Attentive Multi-ROI Modeling [23.014342480592873]
骨粗しょう症は慢性代謝性骨疾患であり、骨密度検査へのアクセスが制限されているため、診断が不十分で治療が不十分であることが多い。
本稿では,Chest X-ray(CXR)からBMDを予測する手法を提案する。
論文 参考訳（メタデータ） (2022-01-05T22:03:32Z) - A bone suppression model ensemble to improve COVID-19 detection in chest
X-rays [0.6999740786886535]
我々は,前頭部胸部X線像の骨を抑制するために,畳み込みニューラルネットワークモデルのアンサンブルを構築することを提案する。
骨抑制モデルでは,MS-SSIMなどの指標で個々のモデルよりも優れた性能を示した。
CXRモダリティ特異的分類モデルは、非骨抑制および骨抑制画像に基づいて再訓練され、正常な肺または他のCOVID-19様の徴候を示すものとして分類される。
論文 参考訳（メタデータ） (2021-11-05T11:27:26Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - A Deep Learning-Based Approach to Extracting Periosteal and Endosteal
Contours of Proximal Femur in Quantitative CT Images [25.76523855274612]
セグメンテーションタスクのために,3次元の終端(3D)完全畳み込みニューラルネットワークを開発した。
同一のネットワーク構造を持つ2つのモデルが訓練され、それぞれ腹腔内輪郭と内皮輪郭に対して97.87%と96.49%のサイコロ類似係数(DSC)を達成した。
大腿骨頚部骨折のリスク予測や有限要素解析などの臨床応用の可能性を示した。
論文 参考訳（メタデータ） (2021-02-03T10:23:41Z) - An Analysis by Synthesis Method that Allows Accurate Spatial Modeling of
Thickness of Cortical Bone from Clinical QCT [0.7340017786387765]
骨粗しょう症(英: osteoporosis)は、大脳皮質骨と気管骨の強度の低下により骨折リスクが増大する骨格疾患である。
本研究では,皮質骨の厚み分布の正確な空間的モデリングを可能にする,新しいモデルに基づく完全自動画像解析手法を提案する。
論文 参考訳（メタデータ） (2020-09-18T07:30:18Z) - A multicenter study on radiomic features from T$_2$-weighted images of a
customized MR pelvic phantom setting the basis for robust radiomic models in
clinics [47.187609203210705]
骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。
放射線学的特徴の再現性と再配置を評価した。
論文 参考訳（メタデータ） (2020-05-14T09:24:48Z)
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。