論文の概要: Image-based Quantification of Postural Deviations on Patients with Cervical Dystonia: A Machine Learning Approach Using Synthetic Training Data

• arxiv url: http://arxiv.org/abs/2603.26444v1
• Date: Fri, 27 Mar 2026 14:12:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.534049
• Title: Image-based Quantification of Postural Deviations on Patients with Cervical Dystonia: A Machine Learning Approach Using Synthetic Training Data
• Title（参考訳）: 頚部ジストン症における姿勢偏位の画像による定量化:合成トレーニングデータを用いた機械学習アプローチ
• Authors: Roland Stenger, Sebastian Löns, Nele Brügge, Feline Hamami, Alexander Münchau, Theresa Paulus, Anne Weissbach, Tatiana Usnich, Max Borsche, Martje G. Pauly, Lara M. Lange, Markus A. Hobert, Rebecca Herzog, Ana Luísa de Almeida Marcelino, Tina Mainka, Friederike Schumann, Lukas L. Goede, Johanna Reimer, Julienne Haas, Jos Becktepe, Alexander Baumann, Robin Wolke, Chi Wang Ip, Thorsten Odorfer, Daniel Zeller, Lisa Harder-Rauschenberger, John-Ih Lee, Philipp Albrecht, Tristan Kölsche, Joachim K. Krauss, Johanna M. Nagel, Joachim Runge, Johanna Doll-Lee, Simone Zittel, Kai Grimm, Pawel Tacik, André Lee, Tobias Bäumer, Sebastian Fudickar,
• Abstract要約: 頚部ジストニア(Cervical dystonia、CD)は、ジストニアの最も一般的な形態である。 現在の評価はトロント・ウェスタン・スパモディック・トーチコリス・レーティング・スケール(TWSTRS)のような主観的臨床評価尺度に依存している。 本研究では、16,000枚の合成アバター画像にのみ訓練された深層学習モデルと、事前訓練した頭部位置推定アルゴリズムを組み合わせた評価ツールを開発した。
• 参考スコア（独自算出の注目度）: 42.305152571036786
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cervical dystonia (CD) is the most common form of dystonia, yet current assessment relies on subjective clinical rating scales, such as the Toronto Western Spasmodic Torticollis Rating Scale (TWSTRS), which requires expertise, is subjective and faces low inter-rater reliability some items of the score. To address the lack of established objective tools for monitoring disease severity and treatment response, this study validates an automated image-based head pose and shift estimation system for patients with CD. We developed an assessment tool that combines a pretrained head-pose estimation algorithm for rotational symptoms with a deep learning model trained exclusively on ~16,000 synthetic avatar images to evaluate rare translational symptoms, specifically lateral shift. This synthetic data approach overcomes the scarcity of clinical training examples. The system's performance was validated in a multicenter study by comparing its predicted scores against the consensus ratings of 20 clinical experts using a dataset of 100 real patient images and 100 labeled synthetic avatars. The automated system demonstrated strong agreement with expert clinical ratings for rotational symptoms, achieving high correlations for torticollis (r=0.91), laterocollis (r=0.81), and anteroretrocollis (r=0.78). For lateral shift, the tool achieved a moderate correlation (r=0.55) with clinical ratings and demonstrated higher accuracy than human raters in controlled benchmark tests on avatars. By leveraging synthetic training data to bridge the clinical data gap, this model successfully generalizes to real-world patients, providing a validated, objective tool for CD postural assessment that can enable standardized clinical decision-making and trial evaluation.
• Abstract（参考訳）: Cervical dystonia (CD) はジストニアの最も一般的な形態であるが、現在の評価はトロント・ウェスタン・スパズモディック・トーチコリス・レーティング・スケール (TWSTRS) のような主観的な臨床評価尺度に依存している。 本研究は,CD患者を対象とした画像による頭部ポーズ・シフト自動推定システムの有効性を検証した。 本研究では,前向きの頭部位置推定アルゴリズムと16,000個の合成アバター画像のみを訓練した深層学習モデルを組み合わせて,稀な翻訳症状,特に側方シフトを評価するための評価ツールを開発した。 この合成データアプローチは臨床訓練例の不足を克服する。 このシステムの性能は、100の実際の患者画像と100のラベル付き合成アバターのデータセットを用いて、予測されたスコアを20の臨床専門家のコンセンサス評価と比較することにより、マルチセンターで検証された。 自動システムは、回転症状の専門的臨床評価と強く一致し、torticollis (r=0.91), laterocollis (r=0.81), anteroretrocollis (r=0.78)の相関性が高い。 側方シフトにおいて、このツールは臨床評価と適度な相関(r=0.55)を達成し、アバターの制御されたベンチマークテストにおいてヒトのレーダよりも高い精度を示した。 臨床データギャップを埋めるために合成トレーニングデータを活用することにより、本モデルは現実の患者に一般化し、標準化された臨床意思決定と臨床試験を可能にするCD姿勢評価のための検証済みの客観的ツールを提供する。

関連論文リスト

• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• From Statistical Fidelity to Clinical Consistency: Scalable Generation and Auditing of Synthetic Patient Trajectories [0.8261055975875736]
  臨床的に整合性を持たせるためのパイプラインを構築した。 実症例180,712例から合成患者18,071例を作成した。 プライバシーリスクの証拠は見つからず、メンバーシップのパフォーマンスはランダムな推測とは区別できない。
  論文  参考訳（メタデータ） (2026-03-06T00:17:59Z)
• A Voice-Enabled Virtual Patient System for Interactive Training in Standardized Clinical Assessment [0.0]
  大規模言語モデル(LLM)を利用した音声対応仮想患者シミュレーションシステムを提案する。 本研究は, 本システムの発展を概説し, 既定の臨床像に固執する仮想患者を創出する能力を検証した。 以上の結果から, LLMを用いた仮想患者シミュレーションは, 臨床医の教育に有効かつスケーラブルなツールであることが示唆された。
  論文  参考訳（メタデータ） (2025-11-01T21:18:08Z)
• Outcome prediction and individualized treatment effect estimation in patients with large vessel occlusion stroke [0.0]
  改良されたランキンスケールスコアを用いて,機能的結果を予測するための解釈可能な深層学習モデルを開発し,評価した。 非造影CT (NCCT) と血管造影 (CTA) を新しい基礎モデルを用いて検討した。 機能的予後の最も重要な予測因子は前ストローク障害であった。
  論文  参考訳（メタデータ） (2025-07-03T09:51:56Z)
• Automated Quality Evaluation of Cervical Cytopathology Whole Slide Images Based on Content Analysis [8.346023537846357]
  ThinPrep Cytological Test (TCT) は頸部がん検診において最も広く用いられている方法であり, 検診の精度に直接影響を及ぼす。 従来の手作業による評価手法は、顕微鏡下での病理学者の観察に依存している。 The Bethesda System (TBS) の診断基準, 人工知能アルゴリズム, 臨床データの特徴に基づく, 頸椎細胞病理全スライド画像(WSI)の完全自動品質評価手法を提案する。
  論文  参考訳（メタデータ） (2025-05-20T03:30:38Z)
• Deep Learning Models to Automate the Scoring of Hand Radiographs for Rheumatoid Arthritis [0.0]
  シャープスコア(シャープスコア、英: Sharp score、SvdH)は、慢性関節リウマチ(RA)の臨床治験における損傷の定量化に広く用いられている放射線検査法である。 まず,手指のX線写真からSvdHのスコアとRAの重症度を推定できる自動パイプラインを開発した。
  論文  参考訳（メタデータ） (2024-06-14T12:43:16Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)

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。