論文の概要: Deep Learning Enables Large-Scale Shape and Appearance Modeling in Total-Body DXA Imaging

• arxiv url: http://arxiv.org/abs/2508.10132v1
• Date: Wed, 13 Aug 2025 18:54:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.088505
• Title: Deep Learning Enables Large-Scale Shape and Appearance Modeling in Total-Body DXA Imaging
• Title（参考訳）: 全体DXA画像における大規模形状と外観モデリングが可能なディープラーニング
• Authors: Arianna Bunnell, Devon Cataldi, Yannik Glaser, Thomas K. Wolfgruber, Steven Heymsfield, Alan B. Zonderman, Thomas L. Kelly, Peter Sadowski, John A. Shepherd,
• Abstract要約: TBDXAスキャンにおける点位置の自動配置のための深層学習手法の開発と検証を行った。 この方法は、外部テストデータセットにおいて、99.5%の正確なキーポイントを達成する。 身体組成と形状と各種の疲労, 代謝, 炎症, 心膜メタボリックな健康マーカーとの関連性について新しい仮説を提出した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Total-body dual X-ray absorptiometry (TBDXA) imaging is a relatively low-cost whole-body imaging modality, widely used for body composition assessment. We develop and validate a deep learning method for automatic fiducial point placement on TBDXA scans using 1,683 manually-annotated TBDXA scans. The method achieves 99.5% percentage correct keypoints in an external testing dataset. To demonstrate the value for shape and appearance modeling (SAM), our method is used to place keypoints on 35,928 scans for five different TBDXA imaging modes, then associations with health markers are tested in two cohorts not used for SAM model generation using two-sample Kolmogorov-Smirnov tests. SAM feature distributions associated with health biomarkers are shown to corroborate existing evidence and generate new hypotheses on body composition and shape's relationship to various frailty, metabolic, inflammation, and cardiometabolic health markers. Evaluation scripts, model weights, automatic point file generation code, and triangulation files are available at https://github.com/hawaii-ai/dxa-pointplacement.
• Abstract（参考訳）: 全体二重X線吸収測定 (TBDXA) は比較的低コストで、体組成評価に広く用いられている。 TBDXAスキャンを手動で注釈付けした1,683個のTBDXAスキャンを用いて,動画像の自動配置のためのディープラーニング手法の開発と検証を行った。 この方法は、外部テストデータセットにおいて、99.5%の正確なキーポイントを達成する。 5種類のTBDXA画像モードでキーポイントを35,928個のスキャンに配置し、2サンプルのコルモゴロフ・スミルノフ試験を用いてSAMモデル生成に使用しない2つのコホートで健康マーカーとの関連性を検証する。 健康バイオマーカーに関連付けられたSAMの特徴分布は、既存の証拠を裏付け、身体組成と、各種の脆弱性、代謝性、炎症、心代謝性健康マーカーとの関連性に関する新しい仮説を生成する。 評価スクリプト、モデルウェイト、自動ポイントファイル生成コード、三角形ファイルはhttps://github.com/hawaii-ai/dxa-pointplacement.comで入手できる。

関連論文リスト

• HistoART: Histopathology Artifact Detection and Reporting Tool [37.31105955164019]
  ワイルスライドイメージング(WSI)は、組織標本の詳細な高分解能検査のために広く用いられている。 WSIは、スライドの準備とスキャンの間に導入されたアーティファクトに弱いままです。 本稿では,WSIに対する3つのロバストなアーティファクト検出手法を提案し,比較する。
  論文  参考訳（メタデータ） (2025-06-23T17:22:19Z)
• Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
  病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。 健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
  論文  参考訳（メタデータ） (2023-08-03T21:56:50Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• High-Fidelity Image Synthesis from Pulmonary Nodule Lesion Maps using Semantic Diffusion Model [10.412300404240751]
  肺がんは、長年にわたり、世界中でがん関連の死因の1つとなっている。 ディープラーニング、学習アルゴリズムに基づくコンピュータ支援診断(CAD)モデルは、スクリーニングプロセスを加速することができる。 しかし、堅牢で正確なモデルを開発するには、しばしば高品質なアノテーションを備えた大規模で多様な医療データセットが必要である。
  論文  参考訳（メタデータ） (2023-05-02T01:04:22Z)
• Self-Supervised Multi-Modal Alignment for Whole Body Medical Imaging [70.52819168140113]
  我々は、英国バイオバンクの2万名以上の被験者のデータセットを使用し、全体Dixon法磁気共鳴法(MR)スキャンとデュアルエネルギーX線吸収率法(DXA)スキャンを併用した。 マルチモーダル画像マッチングコントラストフレームワークを導入し、同一対象の異なるモダリティスキャンを高精度にマッチングすることができる。 適応がなければ、この対照的なトレーニングステップで学習した対応が、自動クロスモーダルスキャン登録の実行に利用できることを示す。
  論文  参考訳（メタデータ） (2021-07-14T12:35:05Z)
• Dopamine Transporter SPECT Image Classification for Neurodegenerative Parkinsonism via Diffusion Maps and Machine Learning Classifiers [0.0]
  本研究では, SPECT イメージを通常の DaT-SPECT イメージ群と異常 DaT-SPECT イメージ群の2種類に分類する,自動的かつ堅牢な方法を提案する。 N患者の3D画像はN by Nペアワイズ距離行列にマッピングされ、トレーニングセットは拡散マップを使用して低次元空間に埋め込まれる。 この方法の実現可能性は、Parkinsonism Progression Markers Initiative(PPMI)データセット1097の被験者と630人の患者のKCGMH-TW(Kohsiung Chang Gung Memorial Hospital)からの臨床コホートによって実証される。
  論文  参考訳（メタデータ） (2021-04-06T06:30:15Z)
• 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)
• SAM: Self-supervised Learning of Pixel-wise Anatomical Embeddings in Radiological Images [23.582516309813425]
  自己監督型解剖学的eMbedding(SAM)を導入し,ラベルのない画像から本質的な構造を学習する。 SAMは、解剖学的位置または身体部分を記述する各画像ピクセルに対してセマンティック埋め込みを生成する。 2次元および3次元画像モダリティを持つ複数のタスクにおいてSAMの有効性を示す。
  論文  参考訳（メタデータ） (2020-12-04T03:31:20Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。