論文の概要: Deep Learning-based Alignment Measurement in Knee Radiographs

• arxiv url: http://arxiv.org/abs/2506.18209v1
• Date: Sun, 22 Jun 2025 23:57:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.807579
• Title: Deep Learning-based Alignment Measurement in Knee Radiographs
• Title（参考訳）: 膝X線画像における深層学習に基づくアライメント計測
• Authors: Zhisen Hu, Dominic Cullen, Peter Thompson, David Johnson, Chang Bian, Aleksei Tiulpin, Timothy Cootes, Claudia Lindner,
• Abstract要約: 人工膝関節置換術後の関節の健康状態と手術成績を予測するために,X線学的膝関節アライメント(KA)測定が重要である。 KA測定の伝統的な方法は、手動で、時間がかかり、ロングレッグのラジオグラフを必要とする。 本研究は, 自動局所化膝解剖学的ランドマークを用いて, 膝前部X線写真中のKAを測定する深層学習に基づく手法を提案する。
• 参考スコア（独自算出の注目度）: 1.7933967223670035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radiographic knee alignment (KA) measurement is important for predicting joint health and surgical outcomes after total knee replacement. Traditional methods for KA measurements are manual, time-consuming and require long-leg radiographs. This study proposes a deep learning-based method to measure KA in anteroposterior knee radiographs via automatically localized knee anatomical landmarks. Our method builds on hourglass networks and incorporates an attention gate structure to enhance robustness and focus on key anatomical features. To our knowledge, this is the first deep learning-based method to localize over 100 knee anatomical landmarks to fully outline the knee shape while integrating KA measurements on both pre-operative and post-operative images. It provides highly accurate and reliable anatomical varus/valgus KA measurements using the anatomical tibiofemoral angle, achieving mean absolute differences ~1{\deg} when compared to clinical ground truth measurements. Agreement between automated and clinical measurements was excellent pre-operatively (intra-class correlation coefficient (ICC) = 0.97) and good post-operatively (ICC = 0.86). Our findings demonstrate that KA assessment can be automated with high accuracy, creating opportunities for digitally enhanced clinical workflows.
• Abstract（参考訳）: 人工膝関節置換術後の関節の健康状態と手術成績を予測するために,X線学的膝関節アライメント(KA)測定が重要である。 KA測定の伝統的な方法は、手動で、時間がかかり、ロングレッグのラジオグラフを必要とする。 本研究は, 自動局所化膝解剖学的ランドマークを用いて, 膝前部X線写真中のKAを測定する深層学習に基づく手法を提案する。 本手法は,時間ガラスネットワーク上に構築され,ロバスト性を高め,重要な解剖学的特徴に着目したアテンションゲート構造が組み込まれている。 我々の知る限り、これは100以上の膝解剖学的ランドマークをローカライズして、術前画像と術後画像の両方でKA測定を併用した初めての深層学習法である。 臨床基底真理測定と比較した場合の平均絶対差 ~1{\deg} を達成し, 高精度で信頼性の高い解剖学的静脈瘤, バルガスKA測定を行う。 自動測定と臨床検査の一致は, 術前相関係数(ICC=0.97), 術後相関係数(ICC=0.86)が良好であった。 以上より, KAアセスメントは高い精度で自動化され, クリニカルワークフローが強化される可能性が示唆された。

関連論文リスト

• Are Pixel-Wise Metrics Reliable for Sparse-View Computed Tomography Reconstruction? [50.68335638232752]
  解剖学的構造全体にわたる構造的完全性を評価するために,解剖学的評価尺度の組を提案する。 CAREは、重要な構造物の解剖学的保存を促進するために、訓練中に構造的罰則を取り入れている。 CAREはCT再建における構造的完全性を大幅に改善し、大臓器では+32%、小臓器では+22%、小腸では+40%、血管では+36%となる。
  論文  参考訳（メタデータ） (2025-06-02T17:07:10Z)
• AI and Deep Learning for Automated Segmentation and Quantitative Measurement of Spinal Structures in MRI [0.0]
  本研究では,MRIスキャンにおける重要な脊髄構造をセグメント化し,計測する自律型AIシステムの開発を行う。 目標は、臨床の作業量を削減し、診断の整合性を高め、評価を改善することである。
  論文  参考訳（メタデータ） (2025-03-14T10:39:52Z)
• Enhanced Knee Kinematics: Leveraging Deep Learning and Morphing Algorithms for 3D Implant Modeling [2.752817022620644]
  本研究では, 人工膝の正確な3次元再構築のための機械学習アルゴリズムとモーフィング技術を用いた新しいアプローチを提案する。 畳み込みニューラルネットワークは、インプラントされたコンポーネントの大腿骨輪郭を自動的に分割するように訓練される。 移植膝関節のパーソナライズされた3次元モデルを生成する。
  論文  参考訳（メタデータ） (2024-08-02T20:11:04Z)
• An Automated Real-Time Approach for Image Processing and Segmentation of Fluoroscopic Images and Videos Using a Single Deep Learning Network [2.752817022620644]
  人工膝関節における画像分割に機械学習を用いる可能性は、そのセグメンテーション精度を改善し、プロセスを自動化し、外科医にリアルタイムの補助を提供する能力にある。 本稿では, リアルタイム全膝画像分割における深層学習手法を提案する。 大規模なデータセットに基づいてトレーニングされた深層学習モデルは、インプラントされた大腿骨とティアビアの両方を正確にセグメント化する際、優れた性能を示す。
  論文  参考訳（メタデータ） (2024-01-23T05:00:02Z)
• Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
  安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。 本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
  論文  参考訳（メタデータ） (2023-05-09T11:42:53Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
  3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。 本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
  論文  参考訳（メタデータ） (2021-08-21T16:15:40Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。