論文の概要: Automated Landmark Detection for assessing hip conditions: A Cross-Modality Validation of MRI versus X-ray

• arxiv url: http://arxiv.org/abs/2601.18555v1
• Date: Mon, 26 Jan 2026 15:04:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.883957
• Title: Automated Landmark Detection for assessing hip conditions: A Cross-Modality Validation of MRI versus X-ray
• Title（参考訳）: 股関節疾患評価のための自動ランドマーク検出法:MRIとX線画像のクロスモーダル検証
• Authors: Roberto Di Via, Vito Paolo Pastore, Francesca Odone, Siôn Glyn-Jones, Irina Voiculescu,
• Abstract要約: Femoro Acetabular Impingement (FAI)スクリーニングは、伝統的にX線で測定された角度に依存している。 障害領域の高さと幅を評価するには、MRIスキャンによる3Dビューも必要である。 本研究は, 標準熱マップ回帰アーキテクチャを用いたマッチングコホート検証(89例, 対MRI/X線)を行い, クロスモダリティの臨床的等価性を評価する。
• 参考スコア（独自算出の注目度）: 6.716465799201301
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many clinical screening decisions are based on angle measurements. In particular, FemoroAcetabular Impingement (FAI) screening relies on angles traditionally measured on X-rays. However, assessing the height and span of the impingement area requires also a 3D view through an MRI scan. The two modalities inform the surgeon on different aspects of the condition. In this work, we conduct a matched-cohort validation study (89 patients, paired MRI/X-ray) using standard heatmap regression architectures to assess cross-modality clinical equivalence. Seen that landmark detection has been proven effective on X-rays, we show that MRI also achieves equivalent localisation and diagnostic accuracy for cam-type impingement. Our method demonstrates clinical feasibility for FAI assessment in coronal views of 3D MRI volumes, opening the possibility for volumetric analysis through placing further landmarks. These results support integrating automated FAI assessment into routine MRI workflows. Code is released at https://github.com/Malga-Vision/Landmarks-Hip-Conditions
• Abstract（参考訳）: 多くの臨床検診は角度測定に基づいている。 特に、Femoro Acetabular Impingement (FAI)スクリーニングは、伝統的にX線で測定された角度に依存している。 しかし、障害領域の高さと幅を評価するには、MRIスキャンによる3Dビューも必要である。 2つのモダリティは、外科医にその状態の異なる側面について知らせます。 本研究は, 標準熱マップ回帰アーキテクチャを用いたマッチングコホート検証(89例, 対MRI/X線)を行い, クロスモダリティの臨床的等価性を評価する。 ランドマーク検出がX線に対して有効であることが証明されたことから,MRIはカム型インピンジメントの局所化と診断精度も同等に達成できることを示した。 本手法は,3次元MRI画像の冠動脈画像におけるFAI評価の臨床的有用性を示し,さらにランドマークを付けることで,容積解析の可能性を明らかにする。 これらの結果は、通常のMRIワークフローに自動FAIアセスメントを統合することを支援する。 コードはhttps://github.com/Malga-Vision/Landmarks-Hip-Conditionsで公開されている。

関連論文リスト

• Equivariant Symmetry-Aware Head Pose Estimation for Fetal MRI [5.003133209582619]
  本稿では,新しい高速ポーズ推定法であるE(3)-Poseを提案する。 6-DoFヘッドポーズ推定による2次元MRIスライスの自動適応処方を可能にすることを目的としている。 一般供用および代表的な臨床胎児MRIデータセットに関する実験は,本手法の優れた堅牢性と一般化を実証するものである。
  論文  参考訳（メタデータ） (2025-12-04T15:15:55Z)
• CABLD: Contrast-Agnostic Brain Landmark Detection with Consistency-Based Regularization [2.423045468361048]
  CABLDは、ラベルなしスキャンにおける3次元脳ランドマーク検出のための、新しい自己教師型ディープラーニングフレームワークである。 提案手法はMRIによる脳のランドマーク検出を複雑に行うことで実証する。 我々のフレームワークは、解剖学的ランドマーク検出のための堅牢で正確なソリューションを提供し、広範囲の注釈付きデータセットの必要性を減らす。
  論文  参考訳（メタデータ） (2024-11-26T19:56:29Z)
• Feasibility Study of a Diffusion-Based Model for Cross-Modal Generation of Knee MRI from X-ray: Integrating Radiographic Feature Information [8.466319668322432]
  膝関節症 (KOA) は筋骨格性疾患であり, 費用対効果からX線で診断されることが多い。 磁気共鳴イメージング(MRI)は優れた軟組織可視化を提供し、貴重な補助的診断ツールとして機能する。
  論文  参考訳（メタデータ） (2024-10-09T15:44:34Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
  我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。 提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
  論文  参考訳（メタデータ） (2022-09-28T10:27:10Z)
• Context-Aware Transformers For Spinal Cancer Detection and Radiological Grading [70.04389979779195]
  本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。 MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。 画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
  論文  参考訳（メタデータ） (2022-06-27T10:31:03Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Optimising Knee Injury Detection with Spatial Attention and Validating Localisation Ability [0.5772546394254112]
  この研究は、膝の外傷検出を最適化するための空間的注意ブロックを備えた、事前訓練された多視点畳み込みニューラルネットワーク(CNN)を用いている。 画像レベルのラベルが付いたオープンソースのMRIデータセットを用いて解析を行った。
  論文  参考訳（メタデータ） (2021-08-18T13:24:17Z)
• 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。