論文の概要: XAttn-BMD: Multimodal Deep Learning with Cross-Attention for Femoral Neck Bone Mineral Density Estimation

• arxiv url: http://arxiv.org/abs/2511.14604v1
• Date: Tue, 18 Nov 2025 15:53:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.192495
• Title: XAttn-BMD: Multimodal Deep Learning with Cross-Attention for Femoral Neck Bone Mineral Density Estimation
• Title（参考訳）: XAttn-BMD:大腿骨頸部骨密度推定のためのクロスアテンションを用いたマルチモーダルディープラーニング
• Authors: Yilin Zhang, Leo D. Westbury, Elaine M. Dennison, Nicholas C. Harvey, Nicholas R. Fuggle, Rahman Attar,
• Abstract要約: 骨密度が低いことは骨折のリスクを増大させる。 XAttn-BMDは,股関節X線画像から大腿骨頸部BMDを予測し,臨床メタデータを構造化する多モード深層学習フレームワークである。 画像とメタデータの特徴を動的に統合し、双方向の相互強化を実現するために、新しい双方向のクロスアテンション機構を利用する。
• 参考スコア（独自算出の注目度）: 4.192785353394277
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Poor bone health is a significant public health concern, and low bone mineral density (BMD) leads to an increased fracture risk, a key feature of osteoporosis. We present XAttn-BMD (Cross-Attention BMD), a multimodal deep learning framework that predicts femoral neck BMD from hip X-ray images and structured clinical metadata. It utilizes a novel bidirectional cross-attention mechanism to dynamically integrate image and metadata features for cross-modal mutual reinforcement. A Weighted Smooth L1 loss is tailored to address BMD imbalance and prioritize clinically significant cases. Extensive experiments on the data from the Hertfordshire Cohort Study show that our model outperforms the baseline models in regression generalization and robustness. Ablation studies confirm the effectiveness of both cross-attention fusion and the customized loss function. Experimental results show that the integration of multimodal data via cross-attention outperforms naive feature concatenation without cross-attention, reducing MSE by 16.7%, MAE by 6.03%, and increasing the R2 score by 16.4%, highlighting the effectiveness of the approach for femoral neck BMD estimation. Furthermore, screening performance was evaluated using binary classification at clinically relevant femoral neck BMD thresholds, demonstrating the model's potential in real-world scenarios.
• Abstract（参考訳）: 骨密度の低い骨密度(BMD)は骨折のリスクを増大させ、骨粗しょう症の重要な特徴である。 XAttn-BMD (Cross-Attention BMD) は, 股関節X線画像から大腿骨頸部BMDを予測する多モード深層学習フレームワークである。 画像とメタデータの特徴を動的に統合し、双方向の相互強化を実現するために、新しい双方向のクロスアテンション機構を利用する。 重度Smooth L1損失はBMD不均衡に対処し,臨床的に有意な症例を優先するために調整される。 ハートフォードシャー・コホート・スタディ (Hertfordshire Cohort Study) のデータに対する大規模な実験により、我々のモデルは回帰一般化とロバストネスにおいてベースラインモデルより優れていることが示された。 アブレーション研究は、クロスアテンション融合とカスタマイズされた損失関数の両方の有効性を検証した。 実験の結果, クロスアテンションによるマルチモーダルデータの統合は, クロスアテンションを伴わずに, MSEを16.7%, MAEを6.03%減少させ, R2スコアを16.4%増加させ, 大腿骨頚部BMD推定に対するアプローチの有効性を強調した。 さらに, 臨床に関連のある大腿骨頚部BMD閾値の2値分類を用いてスクリーニング性能を評価し, 実世界のシナリオにおけるモデルの有用性を実証した。

関連論文リスト

• Deep Learning-Based BMD Estimation from Radiographs with Conformal Uncertainty Quantification [0.0]
  本研究は,深層学習による骨密度推定に広く利用可能な膝X線を用いたことを提案する。 統計的に厳格で患者固有の予測間隔を提供し、カバー範囲が保証されている。
  論文  参考訳（メタデータ） (2025-05-28T16:33:49Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Learning-based Bone Quality Classification Method for Spinal Metastasis [36.59899006688448]
  脊椎転移の早期発見は、正確なステージングと最適な治療に重要である。 本稿では,CT画像に基づく脊椎転移の骨質自動分類法について検討する。
  論文  参考訳（メタデータ） (2024-02-14T02:53:51Z)
• Cross-modality Guidance-aided Multi-modal Learning with Dual Attention for MRI Brain Tumor Grading [47.50733518140625]
  脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。 本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
  論文  参考訳（メタデータ） (2024-01-17T07:54:49Z)
• Guided Reconstruction with Conditioned Diffusion Models for Unsupervised Anomaly Detection in Brain MRIs [35.46541584018842]
  Unsupervised Anomaly Detection (UAD) は、正常なトレーニング分布から異常を外れ値として識別することを目的としている。 生成モデルは、与えられた入力画像に対する健康な脳解剖の再構築を学ぶために使用される。 本稿では,入力画像の潜在表現から得られた付加情報を用いて拡散モデルの復調過程を条件付けることを提案する。
  論文  参考訳（メタデータ） (2023-12-07T11:03:42Z)
• Bone mineral density estimation from a plain X-ray image by learning decomposition into projections of bone-segmented computed tomography [4.872603360039571]
  骨粗しょう症(英: osteoporosis)は、脆弱な骨の骨折を引き起こす骨疾患であり、日常生活活動の低下につながる。 骨の健康、低コスト、低用量、ユビキタスに利用可能な診断方法を頻繁に監視するためには、非常に期待されている。 本研究の目的は, 骨密度を原X線画像から推定し, 骨密度を計測することである。
  論文  参考訳（メタデータ） (2023-07-21T11:49:30Z)
• Lumbar Bone Mineral Density Estimation from Chest X-ray Images: Anatomy-aware Attentive Multi-ROI Modeling [23.014342480592873]
  骨粗しょう症は慢性代謝性骨疾患であり、骨密度検査へのアクセスが制限されているため、診断が不十分で治療が不十分であることが多い。 本稿では,Chest X-ray(CXR)からBMDを予測する手法を提案する。
  論文  参考訳（メタデータ） (2022-01-05T22:03:32Z)
• Semi-Supervised Learning for Bone Mineral Density Estimation in Hip X-ray Images [19.17169803995019]
  骨密度は骨粗しょう症の臨床的に重要な指標です。 DEXAの機械および検査の限られたアクセス性のために、骨粗しょう症は頻繁に診断され、未処理です。
  論文  参考訳（メタデータ） (2021-03-24T20:59:54Z)
• 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)
• Introducing Anisotropic Minkowski Functionals for Local Structure Analysis and Prediction of Biomechanical Strength of Proximal Femur Specimens [0.0]
  骨粗しょう症や外傷による骨の脆さや骨折は、50歳以上の成人に多く見られ、生活の質を低下させる。 本研究では,MDCT画像から大腿骨近位部標本の骨強度を推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-04-02T14:33:03Z)

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。