論文の概要: Fracture interactive geodesic active contours for bone segmentation
- arxiv url: http://arxiv.org/abs/2509.14817v1
- Date: Thu, 18 Sep 2025 10:18:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-19 17:26:53.164992
- Title: Fracture interactive geodesic active contours for bone segmentation
- Title（参考訳）: 骨セグメント化のためのフラクチャーインタラクティブな測地活動輪郭
- Authors: Liheng Wang, Licheng Zhang, Hailin Xu, Jingxin Zhao, Xiuyun Su, Jiantao Li, Miutian Tang, Weilu Gao, Chong Chen,
- Abstract要約: 本稿では,骨セグメント化に適したフラクチャーインタラクティブな測地活動輪郭法を提案する。
整形外科的知識に触発され,骨の縁に向かって輪郭を案内する新しいエッジ検出関数を構築した。
我々のアルゴリズムはまた、ドメイン知識とディープニューラルネットワークの組み合わせに関する洞察を提供する。
- 参考スコア（独自算出の注目度）: 10.955555620402796
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For bone segmentation, the classical geodesic active contour model is usually limited by its indiscriminate feature extraction, and then struggles to handle the phenomena of edge obstruction, edge leakage and bone fracture. Thus, we propose a fracture interactive geodesic active contour algorithm tailored for bone segmentation, which can better capture bone features and perform robustly to the presence of bone fractures and soft tissues. Inspired by orthopedic knowledge, we construct a novel edge-detector function that combines the intensity and gradient norm, which guides the contour towards bone edges without being obstructed by other soft tissues and therefore reduces mis-segmentation. Furthermore, distance information, where fracture prompts can be embedded, is introduced into the contour evolution as an adaptive step size to stabilize the evolution and help the contour stop at bone edges and fractures. This embedding provides a way to interact with bone fractures and improves the accuracy in the fracture regions. Experiments in pelvic and ankle segmentation demonstrate the effectiveness on addressing the aforementioned problems and show an accurate, stable and consistent performance, indicating a broader application in other bone anatomies. Our algorithm also provides insights into combining the domain knowledge and deep neural networks.
- Abstract（参考訳）: 骨セグメンテーションでは、古典的測地活動輪郭モデルは通常、その特徴抽出によって制限され、その後、エッジ障害、エッジリーク、骨骨折などの現象を扱うのに苦労する。
そこで本論文では, 骨分割に適した破壊インタラクティブなジオデシック能動輪郭法を提案し, 骨の形状をよりよく把握し, 骨骨折や軟部組織の存在に頑健に作用することを示す。
整形外科的知識に触発されて,他の軟組織に邪魔されずに骨端まで輪郭を案内する強度と勾配のノルムを組み合わせた,新しいエッジ検出関数を構築した。
さらに、骨折プロンプトを埋め込むことができる距離情報を適応的なステップサイズとして輪郭進化に導入して、進化を安定させ、骨端や骨折で輪郭が止まるのを助ける。
この埋め込みは骨骨折と相互作用し、骨折領域の精度を向上させる手段を提供する。
骨盤と足関節のセグメンテーションの実験は、上記の問題に対処する効果を示し、正確で安定で一貫した性能を示し、他の骨解剖学に広く応用されていることを示している。
我々のアルゴリズムはまた、ドメイン知識とディープニューラルネットワークの組み合わせに関する洞察を提供する。
関連論文リスト
- Automatic Contouring of Spinal Vertebrae on X-Ray using a Novel Sandwich U-Net Architecture [2.170477444239546]
胸椎をX線画像上から正確に切り離すために設計された新しいU-Net変異体を提案する。
サンドイッチ型U-Net構造とデュアルアクティベーション関数を併用した提案手法により,ベースラインのU-Netモデルと比較してDiceスコアが4.1%向上した。
論文 参考訳（メタデータ） (2025-07-12T06:40:18Z) - Leveraging Auxiliary Classification for Rib Fracture Segmentation [5.163088719949993]
本研究は, 骨盤骨折セグメント化の精度を高めるために, 補助的分類タスクを組み込んだ高度深層学習モデルを提案する。
補助的分類課題は, 骨折したリブと負の領域を区別し, 非破壊的なリブと周囲の組織を包含する上で重要である。
RibFracデータセットの実験結果はセグメンテーション性能が大幅に向上したことを示している。
論文 参考訳（メタデータ） (2024-11-14T08:40:08Z) - Towards Cross-Scale Attention and Surface Supervision for Fractured Bone Segmentation in CT [5.913201544244602]
異なるスケールで特徴を集約し、より強力なフラクチャー表現を提供するために、クロススケールアテンション機構を導入している。
表面監視戦略が採用され、骨境界に注意を払うためにネットワークを明示的に拘束する。
本手法の有効性を, 股関節骨折を有するCTスキャンを含む公的データセットを用いて評価した。
論文 参考訳（メタデータ） (2024-05-02T11:46:12Z) - Shape Matters: Detecting Vertebral Fractures Using Differentiable
Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。
骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。
本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文 参考訳（メタデータ） (2023-12-08T18:11:22Z) - Orientation-guided Graph Convolutional Network for Bone Surface
Segmentation [51.51690515362261]
骨表面をセグメント化しながら接続性を向上する指向性グラフ畳み込みネットワークを提案する。
提案手法は,接続距離を5.01%向上させる。
論文 参考訳（メタデータ） (2022-06-16T23:01:29Z) - Simultaneous Bone and Shadow Segmentation Network using Task
Correspondence Consistency [60.378180265885945]
骨と影の同時分割のための共有トランスフォーマベースエンコーダとタスク独立デコーダを備えた単一エンドツーエンドネットワークを提案する。
また,骨表面とそれに対応する影の相互依存性を利用してセグメンテーションを改良する対応整合損失も導入する。
論文 参考訳（メタデータ） (2022-06-16T22:37:05Z) - Using machine learning on new feature sets extracted from 3D models of
broken animal bones to classify fragments according to break agent [53.796331564067835]
ホミニン骨破壊による骨片と肉食動物による骨片の識別を目的とした骨折パターン解析への新しいアプローチを提案する。
この方法では、断片的な骨の3Dモデルを用いて、これまで骨折パターン解析に使用されていた特徴セットよりも透明性が高くレプリカ性の高いデータセットを抽出する。
監視された機械学習アルゴリズムは、骨断片を破片のエージェントに従って適切に分類するために使用され、平均的精度はテスト全体で77%である。
論文 参考訳（メタデータ） (2022-05-20T20:16:21Z) - Fast and Robust Femur Segmentation from Computed Tomography Images for
Patient-Specific Hip Fracture Risk Screening [48.46841573872642]
我々は,CTから大腿骨近位部を完全自動化し,正確かつ高速に分割するディープニューラルネットワークを提案する。
本手法は, 股関節骨折リスクスクリーニングに適応し, 当科において, 股関節脱臼患者をスクリーニングするための臨床的選択肢に一歩近づいた。
論文 参考訳（メタデータ） (2022-04-20T16:16:16Z) - Automated femur segmentation from computed tomography images using a
deep neural network [0.0]
骨粗しょう症(英: osteoporosis)は、骨の再生が古い骨の喪失に追いつかず、骨折のリスクが高まるという一般的な骨疾患である。
我々は, 深部畳み込みニューラルネットワークを用いて, CTスキャンから大腿骨の正確な, 自動化され, 堅牢で, 高速なセグメンテーションを創出する, 大腿骨近位部セグメンテーションのための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2021-01-27T23:37:56Z) - Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture
Detection [58.984536305767996]
自動椎骨骨折検出のための表現学習型アプローチを提案する。
本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。
一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
論文 参考訳（メタデータ） (2020-08-18T10:03:45Z)
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。