論文の概要: Localized Latent Editing for Dose-Response Modeling in Botulinum Toxin Injection Planning
- arxiv url: http://arxiv.org/abs/2601.19593v1
- Date: Tue, 27 Jan 2026 13:26:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-28 15:26:51.329739
- Title: Localized Latent Editing for Dose-Response Modeling in Botulinum Toxin Injection Planning
- Title（参考訳）: ボツリヌス毒素注入計画における線量応答モデルのための局所遅延編集
- Authors: Estèphe Arnaud, Mohamed Daoudi, Pierre Guerreschi,
- Abstract要約: ボツリヌス毒素(ボツリヌス毒素、Botulinum toxin)は、顔の非対称性と審美的回復を管理するための金の標準である。
そこで本研究では,Botulinum Toxin注入効果を模擬した局所潜時編集フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 4.185301436243608
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Botulinum toxin (Botox) injections are the gold standard for managing facial asymmetry and aesthetic rejuvenation, yet determining the optimal dosage remains largely intuitive, often leading to suboptimal outcomes. We propose a localized latent editing framework that simulates Botulinum Toxin injection effects for injection planning through dose-response modeling. Our key contribution is a Region-Specific Latent Axis Discovery method that learns localized muscle relaxation trajectories in StyleGAN2's latent space, enabling precise control over specific facial regions without global side effects. By correlating these localized latent trajectories with injected toxin units, we learn a predictive dose-response model. We rigorously compare two approaches: direct metric regression versus image-based generative simulation on a clinical dataset of N=360 images from 46 patients. On a hold-out test set, our framework demonstrates moderate-to-strong structural correlations for geometric asymmetry metrics, confirming that the generative model correctly captures the direction of morphological changes. While biological variability limits absolute precision, we introduce a hybrid "Human-in-the-Loop" workflow where clinicians interactively refine simulations, bridging the gap between pathological reconstruction and cosmetic planning.
- Abstract（参考訳）: ボツリヌス毒素(ボツリヌス毒素)注射は、顔の非対称性と審美的回復を管理するための金の標準であるが、最適な投与量を決定することは直感的であり、しばしば最適な結果をもたらす。
線量応答モデルによる注入計画のためのボツリヌス毒素注入効果をシミュレートした局所潜時編集フレームワークを提案する。
本研究の主な貢献は,StyleGAN2の潜伏空間における局所的な筋緩和軌跡を学習し,大域的な副作用を伴わない特定の顔面領域の正確な制御を可能にする領域特異的潜伏軸探索法である。
これらの局所的な潜在軌道と毒素の注入単位を関連付けることにより、予測的線量応答モデルを学ぶ。
46例のN=360画像の臨床データセットについて, 直接回帰法と画像ベース生成法を厳格に比較した。
ホルドアウトテストセットでは,幾何非対称性の測定値に対して中等度から強直な構造相関が示され,生成モデルが形態的変化の方向を正確に捉えることが確認された。
生物の多様性は絶対精度に制限されるが,臨床医がインタラクティブにシミュレーションを洗練し,病理再建と化粧品計画のギャップを埋める,ハイブリッドな「Human-in-the-Loop」ワークフローを導入する。
関連論文リスト
- PathoSyn: Imaging-Pathology MRI Synthesis via Disentangled Deviation Diffusion [11.223559964746705]
磁気共鳴イメージング(MRI)画像合成のための統合生成フレームワークPathoSynを提案する。
PathoSynは、画像病理を安定な解剖学的多様体上の不整合加法偏差として再構成する。
PathoSynは、知覚現実主義と解剖学的忠実性の両方において、全体的拡散とマスク条件ベースラインを著しく上回ることを示す。
論文 参考訳（メタデータ） (2025-12-29T01:13:50Z) - Anatomy-DT: A Cross-Diffusion Digital Twin for Anatomical Evolution [13.83306392535935]
腫瘍の進行を周囲の解剖と共にモデル化し、疾患のダイナミックスに関する包括的かつ臨床的に関係のある理解を得ることが重要である。
偏微分方程式を微分可能な深層学習で結合する数学的基盤の枠組みを導入する。
この研究は、視覚的に現実的で排他的で、位相的に一貫したデジタル双生児のための解剖学から解剖学への原則的な道を確立する。
論文 参考訳（メタデータ） (2025-09-29T04:28:35Z) - Predictive Causal Inference via Spatio-Temporal Modeling and Penalized Empirical Likelihood [0.0]
本研究では,従来の単一モデルアプローチの制約を克服する目的で設計された,予測因果推論のための統合フレームワークを提案する。
具体的には、空間的健康状態推定のための隠れマルコフモデルと、時間的結果の軌跡を捉えるためのマルチタスクとマルチグラフ畳み込みネットワーク(MTGCN)を組み合わせる。
有用性を示すために,がん,認知症,パーキンソン病などの臨床領域に焦点を当て,治療効果を直接観察することが困難である。
論文 参考訳（メタデータ） (2025-07-11T03:11:15Z) - Steerable Anatomical Shape Synthesis with Implicit Neural Representations [1.8399318639816038]
本稿では,暗黙的ニューラル表現に基づく評価可能な生成モデルを提案する。
提案手法は, 標的とした解剖学的修正を可能とし, 高品質な形状生成を実現することを実証した。
論文 参考訳（メタデータ） (2025-04-04T09:49:00Z) - MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。
このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。
また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文 参考訳（メタデータ） (2024-04-16T02:18:18Z) - 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) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - A Self-Supervised Deep Framework for Reference Bony Shape Estimation in
Orthognathic Surgical Planning [55.30223654196882]
仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。
正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。
本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-11T05:24:40Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳（メタデータ） (2021-05-11T16:02:39Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z)
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。