論文の概要: From Preoperative CT to Postmastoidectomy Mesh Construction: Mastoidectomy Shape Prediction for Cochlear Implant Surgery

• arxiv url: http://arxiv.org/abs/2601.04405v2
• Date: Fri, 09 Jan 2026 03:26:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-12 13:49:32.485023
• Title: From Preoperative CT to Postmastoidectomy Mesh Construction: Mastoidectomy Shape Prediction for Cochlear Implant Surgery
• Title（参考訳）: 術前CTから術後乳頭切除術まで : 人工内耳手術におけるマストイドミーの形状予測
• Authors: Yike Zhang, Eduardo Davalos, Dingjie Su, Ange Lou, Jack Noble,
• Abstract要約: 本研究では,術前CTスキャンから直接マストイド切除領域を予測するための,自己監督型・弱教師型学習フレームワークを提案する。 本手法は, 複合および無境界マストイドの形状を予測する際に, 平均Diceスコア0.72を達成する。
• 参考スコア（独自算出の注目度）: 3.2395357384758996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cochlear Implant (CI) surgery treats severe hearing loss by inserting an electrode array into the cochlea to stimulate the auditory nerve. An important step in this procedure is mastoidectomy, which removes part of the mastoid region of the temporal bone to provide surgical access. Accurate mastoidectomy shape prediction from preoperative imaging improves pre-surgical planning, reduces risks, and enhances surgical outcomes. Despite its importance, there are limited deep-learning-based studies regarding this topic due to the challenges of acquiring ground-truth labels. We address this gap by investigating self-supervised and weakly-supervised learning models to predict the mastoidectomy region without human annotations. We propose a hybrid self-supervised and weakly-supervised learning framework to predict the mastoidectomy region directly from preoperative CT scans, where the mastoid remains intact. Our hybrid method achieves a mean Dice score of 0.72 when predicting the complex and boundary-less mastoidectomy shape, surpassing state-of-the-art approaches and demonstrating strong performance. The method provides groundwork for constructing 3D postmastoidectomy surfaces directly from the corresponding preoperative CT scans. To our knowledge, this is the first work that integrating self-supervised and weakly-supervised learning for mastoidectomy shape prediction, offering a robust and efficient solution for CI surgical planning while leveraging 3D T-distribution loss in weakly-supervised medical imaging.
• Abstract（参考訳）: 人工内耳(CI)手術は、聴覚神経を刺激するために人工内耳に電極アレイを挿入することにより、難聴を治療する。 この方法の重要なステップは、側頭骨のマストイド領域の一部を除去し、外科的アクセスを提供するマストイド切除術である。 術前画像からの正確なマストイド切除術の形状予測は、術前計画を改善し、リスクを低減し、手術成績を高める。 その重要性にもかかわらず、この話題に関しての深層学習に基づく研究は限られている。 本研究は,ヒトのアノテーションを使わずにマストイド切除領域を予測するために,自己教師型および弱教師型学習モデルを調べることで,このギャップに対処する。 本研究は, 術前CTでマストイドの切除部位を直接予測するための, 自己監督型および弱教師型学習フレームワークを提案する。 我々のハイブリッド手法は, 複雑で境界のないマストイド切除形状を予測し, 最先端のアプローチを超越し, 高い性能を示す場合, 平均Diceスコア0.72を達成する。 本発明の方法は、対応する術前CTスキャンから直接、3D後乳頭切除術面を構築するための基礎を提供する。 我々の知る限り、これはマストイド摘出形状予測のための自己教師付き弱教師付き学習を統合する最初の研究であり、弱い教師付き医療画像における3次元T分布損失を生かしながら、CI手術計画のための堅牢で効率的なソリューションを提供する。

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)
• Weakly-supervised Mamba-Based Mastoidectomy Shape Prediction for Cochlear Implant Surgery Using 3D T-Distribution Loss [4.777201894011511]
  術前CT検査から直接, 正確なマストイド領域を推定するための弱監督型マンバベースフレームワークを提案する。 本手法は,マストイドの形状に固有の複雑な幾何学的変動を効果的に扱える3D T-Distribution loss関数を用いている。 提案手法は最先端のアプローチに対して広範に評価され, 正確な, 臨床的に関連するマストイド切除領域の予測における優れた性能を示す。
  論文  参考訳（メタデータ） (2025-05-23T20:53:03Z)
• Self-supervised Mamba-based Mastoidectomy Shape Prediction for Cochlear Implant Surgery [3.626734411913593]
  術前CT(Computed Tomography)スキャンのみでマストイド摘出体積を合成する新しいマンバ法を提案する。 本手法では,マストイド手術の形状を予測し,マストイド手術後の3次元表面を再構成する自己指導型学習フレームワークを提案する。 本手法は,マストイド切除部位のDiceスコアを0.70と推定し,手術前計画の正確かつ効率的な立案に有効であることを示す。
  論文  参考訳（メタデータ） (2024-07-22T16:47:29Z)
• Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
  病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。 健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
  論文  参考訳（メタデータ） (2023-08-03T21:56:50Z)
• Reconstructing the somatotopic organization of the corticospinal tract remains a challenge for modern tractography methods [55.07297021627281]
  CST(Corticospinal tract)は、人間の脳において、身体の自発的な動きを制御できる重要なホワイトマター線維である。 拡散MRIトラクトグラフィーは、ヒトの健康におけるCST経路の解剖学的および変動性の研究を可能にする唯一の方法である。
  論文  参考訳（メタデータ） (2023-06-09T02:05:40Z)
• Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
  安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。 本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
  論文  参考訳（メタデータ） (2023-05-09T11:42:53Z)
• CholecTriplet2021: A benchmark challenge for surgical action triplet recognition [66.51610049869393]
  腹腔鏡下手術における三肢の認識のためにMICCAI 2021で実施した内視鏡的視力障害であるColecTriplet 2021を提案する。 課題の参加者が提案する最先端の深層学習手法の課題設定と評価について述べる。 4つのベースライン法と19の新しいディープラーニングアルゴリズムが提示され、手術ビデオから直接手術行動三重項を認識し、平均平均精度(mAP)は4.2%から38.1%である。
  論文  参考訳（メタデータ） (2022-04-10T18:51:55Z)

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。