論文の概要: Pose as Clinical Prior: Learning Dual Representations for Scoliosis Screening

• arxiv url: http://arxiv.org/abs/2509.00872v1
• Date: Sun, 31 Aug 2025 14:34:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.438563
• Title: Pose as Clinical Prior: Learning Dual Representations for Scoliosis Screening
• Title（参考訳）: 臨床の先駆者としてのポース : スコリオーシス検診における二重表現の学習
• Authors: Zirui Zhou, Zizhao Peng, Dongyang Jin, Chao Fan, Fengwei An, Shiqi Yu,
• Abstract要約: Scoliosis1K-Poseは、オリジナルのScooliosis1Kデータセットを拡張する2Dヒューマンポーズアノテーションセットである。 離散的な姿勢非対称ベクトル(PAV)と連続的な骨格地図を統合するDual Representation Framework(DRF)を紹介する。 新規なPAV-Guided Attention (PGA)モジュールは、直接的特徴抽出に先立って臨床としてPAVを使用する。
• 参考スコア（独自算出の注目度）: 15.000310203998012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent AI-based scoliosis screening methods primarily rely on large-scale silhouette datasets, often neglecting clinically relevant postural asymmetries-key indicators in traditional screening. In contrast, pose data provide an intuitive skeletal representation, enhancing clinical interpretability across various medical applications. However, pose-based scoliosis screening remains underexplored due to two main challenges: (1) the scarcity of large-scale, annotated pose datasets; and (2) the discrete and noise-sensitive nature of raw pose coordinates, which hinders the modeling of subtle asymmetries. To address these limitations, we introduce Scoliosis1K-Pose, a 2D human pose annotation set that extends the original Scoliosis1K dataset, comprising 447,900 frames of 2D keypoints from 1,050 adolescents. Building on this dataset, we introduce the Dual Representation Framework (DRF), which integrates a continuous skeleton map to preserve spatial structure with a discrete Postural Asymmetry Vector (PAV) that encodes clinically relevant asymmetry descriptors. A novel PAV-Guided Attention (PGA) module further uses the PAV as clinical prior to direct feature extraction from the skeleton map, focusing on clinically meaningful asymmetries. Extensive experiments demonstrate that DRF achieves state-of-the-art performance. Visualizations further confirm that the model leverages clinical asymmetry cues to guide feature extraction and promote synergy between its dual representations. The dataset and code are publicly available at https://zhouzi180.github.io/Scoliosis1K/.
• Abstract（参考訳）: 最近のAIベースのスコリシススクリーニング法は、主に大規模なシルエットデータセットに依存しており、伝統的スクリーニングにおいて臨床に関係のある非対称性キー指標を無視していることが多い。 対照的に、ポーズデータは直感的な骨格表現を提供し、様々な医療応用における臨床解釈可能性を高める。 しかし,(1)大規模でアノテートされたポーズデータセットの不足,(2)微妙な対称性のモデル化を妨げる生のポーズ座標の離散的およびノイズ感受性の性質の2つの主な課題により,ポーズベースのスコリアススクリーニングはいまだ探索されていない。 これらの制約に対処するため、私たちはScooliosis1K-Poseという2D人間のポーズアノテーションセットを導入し、Scooliosis1Kデータセットを拡張し、1,050代の2Dキーポイントの447,900フレームからなる。 本データセットをベースとしたDual Representation Framework (DRF) を導入し, 空間構造を保存するための連続骨格地図と, 臨床関連非対称性記述子を符号化した離散的姿勢非対称性ベクトル (PAV) を統合した。 新たなPAV-Guided Attention (PGA)モジュールは、臨床に有意な非対称性に焦点を当てた骨格地図からの直接的特徴抽出に先立って、PAVを臨床として使用する。 広汎な実験により、DRFは最先端の性能を達成することが示された。 さらに、このモデルが臨床的非対称性の手がかりを利用して特徴抽出を誘導し、その双対表現間の相乗効果を促進することを確認する。 データセットとコードはhttps://zhouzi180.github.io/Scoliosis1K/で公開されている。

関連論文リスト

• Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
  経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。 まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
  論文  参考訳（メタデータ） (2025-07-22T13:24:45Z)
• Towards Unconstrained 2D Pose Estimation of the Human Spine [12.131745767490298]
  SpineTrackは、制約のない環境で2Dスピンのポーズ推定のための最初の包括的なデータセットである。 SpinePoseを導入し、知識蒸留と解剖学的正則化戦略を用いて、身体と脊椎のキーポイントを共同で予測する、最先端のボディポーズ推定装置を拡張した。
  論文  参考訳（メタデータ） (2025-04-10T20:11:02Z)
• Geo-UNet: A Geometrically Constrained Neural Framework for Clinical-Grade Lumen Segmentation in Intravascular Ultrasound [7.760705377465734]
  UNetのような現在のセグメンテーションネットワークは、IVUSにおける臨床応用に必要な精度を欠いている。 そこで我々はGeo-UNetフレームワークを提案する。 静脈性IVUSデータセットに対する我々のフレームワークの有効性を,最先端モデルに対して示す。
  論文  参考訳（メタデータ） (2024-08-09T02:55:25Z)
• Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging [39.597735935731386]
  形状制約後処理を施したクラスアウェア軟骨骨分節ネットワークを提示し, 患者固有の骨骨格を捕捉する。 一般的なテンプレートから個々の患者へ、宿主間走査経路をマッピングするために、密度の高い骨格グラフに基づく非剛性登録が提示される。 提案手法は,CTテンプレートから個々の患者へのパスを,頑健かつ正確にマッピングできることを示す。
  論文  参考訳（メタデータ） (2024-06-06T14:15:15Z)
• Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
  一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。 アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
  論文  参考訳（メタデータ） (2023-07-07T18:57:21Z)
• 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)
• 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)
• Multi-structure bone segmentation in pediatric MR images with combined regularization from shape priors and adversarial network [0.4588028371034407]
  異種小児磁気共鳴(MR)画像のセグメント化に難渋する課題に対して,新たにトレーニングした正規化畳み込みエンコーダデコーダネットワークを提案する。 グローバルに一貫した予測を得るために,オートエンコーダで学習した非線形形状表現から得られる,形状先行に基づく正規化を組み込む。 提案手法は,Dice, 感度, 特異性, 最大対称表面距離, 平均対称表面距離, および相対絶対体積差の測定値について, 従来提案した手法と同等あるいは同等に動作した。
  論文  参考訳（メタデータ） (2020-09-15T13:39:53Z)
• Anatomy-Aware Siamese Network: Exploiting Semantic Asymmetry for Accurate Pelvic Fracture Detection in X-ray Images [36.35987775099686]
  本研究では,空間トランス層で強化されたシームズネットワーク上に構築された新しいフラクチャー検出フレームワークを提案する。 提案法は, 特発性患者2,359例のPXRに対して広範囲に評価されている。 これは最先端の骨折検出方法の中でも最高であり、臨床症状の改善がある。
  論文  参考訳（メタデータ） (2020-07-03T02:33:24Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。