論文の概要: SLD: Segmentation-Based Landmark Detection for Spinal Ligaments

• arxiv url: http://arxiv.org/abs/2601.16782v1
• Date: Fri, 23 Jan 2026 14:29:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.723559
• Title: SLD: Segmentation-Based Landmark Detection for Spinal Ligaments
• Title（参考訳）: SLD:Segmentation-based Landmark Detection for Spinal Ligaments (特集:SLDとバイオサイバネティックス)
• Authors: Lara Blomenkamp, Ivanna Kramer, Sabine Bauer, Theresa Schöche,
• Abstract要約: 生体力学的モデリングでは、靭帯のアタッチメントの表現は椎骨間の力の現実的なシミュレーションに不可欠である。 本研究は, 3次元椎骨の形状に基づく分節を初めて行う脊椎靭帯のランドマークを検出するための新しいアプローチを提案する。 提案手法は,全脊髄領域で高い精度と強力な一般化を示すことによって,既存のアプローチよりも優れる。
• 参考スコア（独自算出の注目度）: 0.20999222360659606
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In biomechanical modeling, the representation of ligament attachments is crucial for a realistic simulation of the forces acting between the vertebrae. These forces are typically modeled as vectors connecting ligament landmarks on adjacent vertebrae, making precise identification of these landmarks a key requirement for constructing reliable spine models. Existing automated detection methods are either limited to specific spinal regions or lack sufficient accuracy. This work presents a novel approach for detecting spinal ligament landmarks, which first performs shape-based segmentation of 3D vertebrae and subsequently applies domain-specific rules to identify different types of attachment points. The proposed method outperforms existing approaches by achieving high accuracy and demonstrating strong generalization across all spinal regions. Validation on two independent spinal datasets from multiple patients yielded a mean absolute error (MAE) of 0.7 mm and a root mean square error (RMSE) of 1.1 mm.
• Abstract（参考訳）: 生体力学的モデリングでは、靭帯のアタッチメントの表現は椎骨間の力の現実的なシミュレーションに不可欠である。 これらの力は通常、隣接する脊椎の靭帯のランドマークを繋ぐベクトルとしてモデル化され、これらのランドマークの正確な同定が信頼できる脊椎モデルを構築するための重要な要件となっている。 既存の自動検出方法は、特定の脊髄領域に限られるか、あるいは十分な精度が欠如している。 本研究は脊髄靭帯のランドマークを検出するための新しいアプローチを提案し,まず3次元椎骨の形状に基づく分節を行い,その後,異なる種類のアタッチメントポイントを同定するためにドメイン固有の規則を適用した。 提案手法は,全脊髄領域で高い精度と強力な一般化を示すことによって,既存のアプローチよりも優れる。 複数の患者から得られた2つの独立した脊髄データセットの検証では平均絶対誤差(MAE)が0.7mm、根平均二乗誤差(RMSE)が1.1mmであった。

関連論文リスト

• Tracing 3D Anatomy in 2D Strokes: A Multi-Stage Projection Driven Approach to Cervical Spine Fracture Identification [6.060672815761177]
  本研究は,3次元CTボリュームにおける椎体レベル骨折検出のための2次元投射型椎体分割法の有効性について検討した。 全視野からYOLOv8モデルを用いて関心領域を同定し, 3次元頚椎領域を近似した。 DenseNet121-Unetベースのマルチラベルセグメンテーションは、分散およびエネルギーベースのプロジェクションを利用して、Diceスコア87.86パーセントを達成する。
  論文  参考訳（メタデータ） (2026-01-21T18:15:47Z)
• DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights [54.87947751720332]
  脳腫瘍の正確なセグメンテーションは、臨床診断と治療に重要である。 マンバを拠点とするState Space Modelsは、有望なパフォーマンスを示している。 本稿では,計算オーバーヘッドを最小限に抑えながら,マルチスケールの長距離依存関係をキャプチャするマルチ解像度双方向マンバを提案する。
  論文  参考訳（メタデータ） (2025-10-16T07:31:21Z)
• Spinal ligaments detection on vertebrae meshes using registration and 3D edge detection [0.4194295877935868]
  本手法は, ステップワイズアプローチを用いて66個の脊柱靭帯付着点を検出することができる。 ランドマーク検出には椎骨1本あたり約3.0秒が必要で、既存の方法よりも大幅に改善されている。
  論文  参考訳（メタデータ） (2024-12-06T14:39:06Z)
• Reconstruction of 3D lumbar spine models from incomplete segmentations using landmark detection [0.4194295877935868]
  不完全な3次元椎体から完全3次元腰椎モデルを再構築する新しい方法を提案する。 本手法は, 腰椎全椎をわずか0.14秒でL1からL5に区分する。
  論文  参考訳（メタデータ） (2024-12-06T14:23:42Z)
• SpineFM: Leveraging Foundation Models for Automatic Spine X-ray Segmentation [0.0]
  本稿では,脊椎の自動分割と同定における最先端性能を実現する新しいパイプラインであるSpineFMを紹介する。 椎骨の97.8%と99.6%の同定に成功した2つの公開X線データセットにおいて、優れた結果を得た。
  論文  参考訳（メタデータ） (2024-11-01T02:51:21Z)
• 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)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• A Convolutional Approach to Vertebrae Detection and Labelling in Whole Spine MRI [70.04389979779195]
  脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。 これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。 本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
  論文  参考訳（メタデータ） (2020-07-06T09:37:12Z)

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。