Fugu-MT 論文翻訳(概要): A Statistical 3D Stomach Shape Model for Anatomical Analysis

論文の概要: A Statistical 3D Stomach Shape Model for Anatomical Analysis

arxiv url: http://arxiv.org/abs/2509.06464v1
Date: Mon, 08 Sep 2025 09:23:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-09 14:07:04.03202
Title: A Statistical 3D Stomach Shape Model for Anatomical Analysis
Title（参考訳）: 解剖学的解析のための統計的3次元胃形状モデル
Authors: Erez Posner, Ore Shtalrid, Oded Erell, Daniel Noy, Moshe Bouhnik,
Abstract要約: 人工胃モデル作成のための新しいパイプラインを提案する。胃の3次元統計的形状モデルを構築し,自然の解剖学的変動を捉える訓練を行った。本研究は, 手術シミュレーションから術前計画, 医学教育, 計算モデルに至るまで, 胃の初めての統計的3次元形状モデルを紹介する。
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: Realistic and parameterized 3D models of human anatomy have become invaluable in research, diagnostics, and surgical planning. However, the development of detailed models for internal organs, such as the stomach, has been limited by data availability and methodological challenges. In this paper, we propose a novel pipeline for the generation of synthetic 3D stomach models, enabling the creation of anatomically diverse morphologies informed by established studies on stomach shape variability. Using this pipeline, we construct a dataset of synthetic stomachs. Building on this dataset, we develop a 3D statistical shape model of the stomach, trained to capture natural anatomical variability in a low-dimensional shape space. The model is further refined using CT meshes derived from publicly available datasets through a semi-supervised alignment process, enhancing its ability to generalize to unseen anatomical variations. We evaluated the model on a held-out test set of real stomach CT scans, demonstrating robust generalization and fit accuracy. We make the statistical shape model along with the synthetic dataset publicly available on GitLab: https://gitlab.com/Erez.Posner/stomach_pytorch to facilitate further research. This work introduces the first statistical 3D shape model of the stomach, with applications ranging from surgical simulation and pre-operative planning to medical education and computational modeling. By combining synthetic data generation, parametric modeling, and real-world validation, our approach represents a significant advancement in organ modeling and opens new possibilities for personalized healthcare solutions.
Abstract（参考訳）: 人間の解剖学の現実的でパラメタライズド3Dモデルは、研究、診断、手術計画において貴重なものとなっている。しかし、胃などの内臓の詳細なモデルの開発は、データの可用性と方法論上の課題によって制限されている。本稿では,3次元胃モデル作成のための新しいパイプラインを提案し,胃形状の変動性に関する確立された研究により,解剖学的に多様な形態の創出を可能にした。このパイプラインを用いて合成胃のデータセットを構築する。本データセットを用いて胃の3次元統計的形状モデルを構築し,低次元形状空間における自然な解剖学的変動を捉えることを訓練した。このモデルは、半教師付きアライメントプロセスを通じて、一般に利用可能なデータセットから派生したCTメッシュを使用してさらに洗練され、解剖学的変異に一般化する能力を高めている。実胃CT検査のホールドアウトテストセットを用いてモデルを評価し,堅牢な一般化と適合精度を実証した。 GitLabで公開されている合成データセットとともに、統計形状モデルを作成します。本研究は, 手術シミュレーションから術前計画, 医学教育, 計算モデルに至るまで, 胃の初めての統計的3次元形状モデルを紹介する。合成データ生成,パラメトリックモデリング,実世界の検証を組み合わせることで,臓器モデリングの大幅な進歩を示し,パーソナライズされた医療ソリューションの新たな可能性を開く。

関連論文リスト

Boosting 3D Liver Shape Datasets with Diffusion Models and Implicit Neural Representations [0.7106122418396085]
既存のデータセットを拡張・拡張するために、拡散モデルと暗黙のニューラル表現(INR)を組み合わせたソリューションを提案する。提案手法は, 拡散モデルの生成能力を利用して, 現実的で多様な3次元肝臓形状を創出する。
論文参考訳（メタデータ） (2025-04-28T00:56:18Z)
Shap-MeD [0.0]
バイオメディカルドメインに特化したテキスト・ツー・3Dオブジェクト生成モデルであるShap-MeDについて述べる。 OpenAIが開発したオープンソースのテキストから3D生成モデルであるShap-eを活用し、バイオメディカルオブジェクトのデータセットを使用して微調整する。以上の結果から,Shap-MeDはバイオメディカルオブジェクト生成において高い構造精度を示すことが示唆された。
論文参考訳（メタデータ） (2025-03-19T00:40:14Z)
TailorMe: Self-Supervised Learning of an Anatomically Constrained Volumetric Human Shape Model [4.474107938692397]
人間の形状空間は、人間の形状の中核要素であり、推論タスクを装うため、広く研究されている。骨格骨と軟組織からなる解剖学的テンプレートをCAESARデータベースの表面スキャンに作成する。このデータは、人文的に制約された容積的人体形状モデルを自己監督的に学習するために使用される。
論文参考訳（メタデータ） (2023-11-03T07:42:19Z)
Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
論文参考訳（メタデータ） (2023-08-18T16:41:57Z)
SynBody: Synthetic Dataset with Layered Human Models for 3D Human Perception and Modeling [93.60731530276911]
我々は3つの魅力的な特徴を持つ新しい合成データセット、SynBodyを紹介した。データセットは、正確な3Dアノテーションを備えた1.2Mイメージで構成され、1万の人体モデル、1,187のアクション、さまざまな視点をカバーしている。
論文参考訳（メタデータ） (2023-03-30T13:30:12Z)
BOSS: Bones, Organs and Skin Shape Model [10.50175010474078]
我々は,CT画像から学習した皮膚,内臓,骨を結合した変形可能な人体形状とポーズモデルを提案する。確率的PCAを用いて、ポーズ正規化空間の統計的変動をモデル化することにより、本手法は身体の全体像を提供する。
論文参考訳（メタデータ） (2023-03-08T22:31:24Z)
Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文参考訳（メタデータ） (2022-02-18T22:41:51Z)
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)
Anatomical Landmarks Localization for 3D Foot Point Clouds [3.1918817988202606]
本稿では3次元解剖学的ランドマーク予測のための変形法を提案する。臨床医によって注釈付けされた解剖学的ランドマークを持つソースモデルを使用し、ターゲットモデルにマッチするように、このモデルを厳格に変形させる。データセット上で実験を行い,本手法のロバスト性を実証した。
論文参考訳（メタデータ） (2021-10-03T06:24:40Z)
Benchmarking off-the-shelf statistical shape modeling tools in clinical applications [53.47202621511081]
我々は、広く使われている最先端のSSMツールの結果を体系的に評価する。解剖学的ランドマーク/計測推測および病変スクリーニングのための検証フレームワークを提案する。 ShapeWorks と Deformetrica の形状モデルは臨床的に関連する集団レベルの変動を捉えている。
論文参考訳（メタデータ） (2020-09-07T03:51:35Z)
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)

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。