論文の概要: AI Approach for MRI-only Full-Spine Vertebral Segmentation and 3D Reconstruction in Paediatric Scoliosis

• arxiv url: http://arxiv.org/abs/2604.17846v1
• Date: Mon, 20 Apr 2026 05:57:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.719771
• Title: AI Approach for MRI-only Full-Spine Vertebral Segmentation and 3D Reconstruction in Paediatric Scoliosis
• Title（参考訳）: 小児脊柱管狭窄症におけるMRIのみを用いた全椎間剥離術と3次元再建術のAIアプローチ
• Authors: Nathasha Naranpanawa, Maree T. Izatt, Robert D. Labrom, Geoffrey N. Askin, J. Paige Little,
• Abstract要約: 小児画像のCTよりMRIが好ましいのは、電離放射線を避けるためである。 脊椎変形評価におけるその使用は、自動化された高解像度の3Dボニー再構成の欠如により、大きく制限されている。 本研究では,MRIのみによる全自動胸腰椎(T1-L5)セグメンテーションと3次元再構成を可能にするAI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）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: MRI is preferred over CT in paediatric imaging because it avoids ionising radiation, but its use in spine deformity assessment is largely limited by the lack of automated, high-resolution 3D bony reconstruction, which continues to rely on CT. MRI-based 3D reconstruction remains impractical due to manual workflows and the scarcity of labelled full-spine datasets. This study introduces an AI framework that enables fully automated thoracolumbar spine (T1-L5) segmentation and 3D reconstruction from MRI alone. Historical low-dose CT scans from adolescent idiopathic scoliosis (AIS) patients were converted into MRI-like images using a GAN and combined with existing labelled thoracic MRI data to train a U-Net-based model. The resulting algorithm accurately generated continuous thoracolumbar 3D reconstructions, improved segmentation accuracy (88% Dice score), and reduced processing time from approximately 1 hour to under one minute, while preserving AIS-specific deformity features. This approach enables radiation-free 3D deformity assessment from MRI, supporting clinical evaluation, surgical planning, and navigation in paediatric spine care.
• Abstract（参考訳）: 小児画像検査では電離放射線を避けるためCTよりもMRIが好まれるが、脊椎変形性評価におけるMRIの使用は、CTに依存し続けている自動化された高解像度の3Dボニー再構成が欠如しているため、主に制限されている。 MRIベースの3D再構成は、手動のワークフローとラベル付きフルスピンデータセットの不足のため、依然として実行不可能である。 本研究では,MRIのみによる全自動胸腰椎(T1-L5)分割と3次元再構成を可能にするAIフレームワークを提案する。 若年性特発性強皮症(AIS)患者のCT像をGANを用いてMRIライクな画像に変換し,既存の胸郭MRIデータと組み合わせてU-Netモデルを用いたトレーニングを行った。 得られたアルゴリズムは, 連続胸腰椎3D再構成を高精度に生成し, セグメンテーション精度を88%向上し, 処理時間を約1時間から1分以下に短縮し, AIS固有の変形特性を保存した。 本手法は, 小児脊椎医療における臨床評価, 手術計画, ナビゲーションを支援するため, MRIによる放射線のない3次元変形評価を可能にする。

関連論文リスト

• Feasibility of Augmented Reality-Guided Robotic Ultrasound with Cone-Beam CT Integration for Spine Procedures [35.940780679292025]
  脊椎手術のための光学式シースルー拡張現実(OST-AR)誘導ロボットシステムを提案する。 我々は,ライブ超音波を併用したコーンビームCT(CBCT)由来の3Dスピーンモデルを統合する。 結果、ARは実行時間とタスク間の配置エラーを著しく削減することがわかった。
  論文  参考訳（メタデータ） (2026-03-23T16:35:17Z)
• ReBrain: Brain MRI Reconstruction from Sparse CT Slice via Retrieval-Augmented Diffusion [17.281214782353658]
  低用量プロトコルは、しばしば低解像度の平面解像度のCTボリュームをもたらす。 脳MRI再建のための検索拡張拡散フレームワークであるReBrainを提案する。 SynthRAD2023とBraTSの実験により、ReBrainはスパース条件下でのクロスモーダル再構築において最先端の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-11-21T09:18:35Z)
• US-X Complete: A Multi-Modal Approach to Anatomical 3D Shape Recovery [38.0728021642047]
  本稿では,3次元超音波における閉塞型解剖構造を完遂するための新しいマルチモーダル学習法を提案する。 我々は,(1)X線スキャンをシミュレートする2次元側方椎体ビューと(2)部分椎体表現からなるペアトレーニングデータを生成する。 本手法は画像モダリティの両面で形態情報を統合し, 脊椎再建において有意な改善が認められた。
  論文  参考訳（メタデータ） (2025-11-19T16:45:04Z)
• The Brain Resection Multimodal Image Registration (ReMIND2Reg) 2025 Challenge [42.51640997446028]
  ReMIND2Reg 2025 Challengeは、ReMINDデータセットに基づいて構築された、このタスクのための最大の公開ベンチマークを提供する。 99のトレーニングケース、5のバリデーションケース、10のプライベートテストケースがペアの3D ceT1 MRI、T2 MRI、そして術後3D iUSボリュームで構成されている。 データはトレーニングのためのアノテーションなしで提供され、検証とテストのパフォーマンスは手動で注釈付けされた解剖学的ランドマークで評価される。
  論文  参考訳（メタデータ） (2025-08-13T09:31:06Z)
• X-Diffusion: Generating Detailed 3D MRI Volumes From a Single Image Using Cross-Sectional Diffusion Models [9.97747208739885]
  X-拡散(X-Diffusion)は、空間領域入力から詳細な3次元MRIボリュームを再構成する新しい断面積拡散モデルである。 X-Diffusionの重要な側面は、MRIデータを横断的なトレーニングと推論の間、全体的な3Dボリュームとしてモデル化することである。 以上の結果から,X-Diffusionは定量精度(PSNR)に優れるだけでなく,重要な解剖学的特徴を保っていることが示唆された。
  論文  参考訳（メタデータ） (2024-04-30T14:53:07Z)
• Deep-learning-based acceleration of MRI for radiotherapy planning of pediatric patients with brain tumors [39.58317527488534]
  RT専用レシーバコイルアライメントで取得したアンダーサンプルデータからMRI再構成を行う深層学習法を開発した。 DeepMRIRecは、評価された最先端手法を超える構造的類似度スコアを4倍に削減した。
  論文  参考訳（メタデータ） (2023-11-22T16:01:44Z)
• 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)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)

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。