論文の概要: Fracture Morphology Classification: Local Multiclass Modeling for Multilabel Complexity

• arxiv url: http://arxiv.org/abs/2512.14196v1
• Date: Tue, 16 Dec 2025 08:47:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.642598
• Title: Fracture Morphology Classification: Local Multiclass Modeling for Multilabel Complexity
• Title（参考訳）: 破壊形態分類:マルチラベル複雑度に対する局所的マルチクラスモデリング
• Authors: Cassandra Krause, Mattias P. Heinrich, Ron Keuth,
• Abstract要約: 本稿では, 自動的にグローバルなAO符号を対応するフラクチャー境界ボックスに割り当てることで, 破壊形態を抽出する手法を提案する。 このアプローチにより平均F1スコアは7.89,%向上するが、不完全な破壊検出器を使用すると性能が低下する。
• 参考スコア（独自算出の注目度）: 14.468238731665975
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Between $15\,\%$ and $45\,\%$ of children experience a fracture during their growth years, making accurate diagnosis essential. Fracture morphology, alongside location and fragment angle, is a key diagnostic feature. In this work, we propose a method to extract fracture morphology by assigning automatically global AO codes to corresponding fracture bounding boxes. This approach enables the use of public datasets and reformulates the global multilabel task into a local multiclass one, improving the average F1 score by $7.89\,\%$. However, performance declines when using imperfect fracture detectors, highlighting challenges for real-world deployment. Our code is available on GitHub.
• Abstract（参考訳）: 15ドルから45ドルの間、子供の成長期に骨折を経験し、正確な診断が不可欠だ。 破壊形態は位置と断片角とともに重要な診断特徴である。 本研究では, 自動的にグローバルなAO符号を対応するフラクチャー境界ボックスに割り当てることで, 破壊形態を抽出する手法を提案する。 このアプローチにより、グローバルなマルチラベルタスクをローカルなマルチクラスタスクに修正するパブリックデータセットの使用が可能になり、平均的なF1スコアを7.89\,\%$に向上する。 しかし、不完全な破壊検出器を使用すると性能が低下し、現実の展開における課題が浮き彫りになる。 私たちのコードはGitHubで入手可能です。

関連論文リスト

• FracDetNet: Advanced Fracture Detection via Dual-Focus Attention and Multi-scale Calibration in Medical X-ray Imaging [3.8707734483628022]
  FracDetNet - Dual-Focus Attention (DFA)とMulti-scale (MC)を統合したフラクチャー検出フレームワーク DFAは、グローバル・アテンション・メカニズムとローカル・アテンション・メカニズムを組み合わせて、詳細な地域特徴と包括的グローバル・コンテクストを捉えている。 MCは特徴表現を適応的に洗練し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2025-09-27T17:15:55Z)
• CLIP Meets Diffusion: A Synergistic Approach to Anomaly Detection [49.11819337853632]
  異常検出は、異常の定義の曖昧さ、異常型の多様性、トレーニングデータの不足による複雑な問題である。 識別的基盤モデルと生成的基礎モデルの両方を活用するCLIPfusionを提案する。 本手法は, 異常検出の多面的課題に対処する上で, マルチモーダル・マルチモデル融合の有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-06-13T13:30:15Z)
• GARF: Learning Generalizable 3D Reassembly for Real-World Fractures [14.531506705859949]
  3D再組み立ては、科学分野にまたがる幅広い応用において、困難な空間知能の課題である。 実世界の骨折に対する一般化可能な3次元再構成フレームワークであるGARFを提案する。 考古学者、古人類学者、鳥類学者と共同で、視覚と学習コミュニティのための多様なデータセットであるFracturaをキュレートする。
  論文  参考訳（メタデータ） (2025-04-07T18:13:16Z)
• Learning Generalizable Features for Tibial Plateau Fracture Segmentation Using Masked Autoencoder and Limited Annotations [9.62712439690871]
  我々は,CTにおける正確なTPFセグメンテーションのためのマスク付きオートエンコーダ(MAE)に基づく効果的なトレーニング戦略を提案する。 本手法は,大域的な骨格構造と,ラベルなしデータからのき裂の微細化,およびラベル付きデータの微細化にMAEプリトレーニングを利用する。 実験結果から,本手法は半教師付き手法より一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-02-05T03:44:52Z)
• A multi-stage semi-supervised learning for ankle fracture classification on CT images [16.772298853243807]
  足関節の関節小臼歯部領域に対して, 遠位骨と遠位骨の分節ネットワークが提案されている。 半教師付き分類器は、多数のラベルのないデータをフル活用して足首骨折を分類するために構成される。
  論文  参考訳（メタデータ） (2024-03-29T05:35:04Z)
• 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)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Vision Transformers for femur fracture classification [59.99241204074268]
  Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。 史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
  論文  参考訳（メタデータ） (2021-08-07T10:12:42Z)

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。