論文の概要: Landmark-free Assessment of Lower-limb Alignment with Implicit Neural Shape Functions from Knee Radiographs
- arxiv url: http://arxiv.org/abs/2606.15250v1
- Date: Sat, 13 Jun 2026 11:10:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.157369
- Title: Landmark-free Assessment of Lower-limb Alignment with Implicit Neural Shape Functions from Knee Radiographs
- Title（参考訳）: 膝X線写真からの難治性神経形機能を有する下肢アライメントのランドマークフリー評価
- Authors: Zhisen Hu, Antti Kemppainen, David Johnson, Egor Panfilov, Huy Hoang Nguyen, Timothy Cootes, Claudia Lindner, Aleksei Tiulpin,
- Abstract要約: Inlicit Neural Shape Function (INSF) を用いた自動ワークフローを提案する。
我々は,解剖学をコンパクトな潜伏空間にエンコードし,これらの潜伏符号から直接臨床アライメント測定を行う。
われわれは566個の膝X線撮影装置を用いて本法を訓練した。
- 参考スコア（独自算出の注目度）: 2.689113930558721
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Radiographic assessment of lower-limb alignment (LLA) is important for predicting joint health and surgical outcomes in total knee arthroplasty. Traditional measurement methods are manual and time-consuming, while recent machine learning approaches typically rely on locating a fixed set of anatomical landmarks. This dependence limits flexibility and may require re-annotation when clinical definitions change. To address this, we propose an automated workflow using Implicit Neural Shape Functions (INSF). Rather than relying on explicit landmark coordinates, we encode the anatomy into a compact latent space and regress clinical alignment measurements directly from these latent codes. This architecture allows for rapid extendability to new tasks without altering the backbone representation. We trained our method on an internal dataset of 566 knee radiographs, each annotated with the outline of the femur and tibia. We evaluated it on both an internal test dataset of 50 patients and a separate external set of 402 preoperative cases from the MRKR dataset. Manual clinical measurements are available for these data, and the MRKR measurements will be made publicly accessible. Performance was comparable to state-of-the-art landmark-based methods and manual agreement, while offering a flexible shape representation that can be extended to additional measurement tasks.
- Abstract（参考訳）: 下肢アライメント(LLA)のX線学的評価は人工膝関節置換術における関節の健康状態と手術成績を予測する上で重要である。
従来の測定方法は手動と時間を要するが、最近の機械学習のアプローチは一般的に、固定された解剖学的ランドマークの配置に依存している。
この依存は柔軟性を制限し、臨床定義が変更されたときに再注釈を必要とすることがある。
そこで我々は,インプリシットニューラルシェイプ関数(INSF)を用いた自動ワークフローを提案する。
明確なランドマーク座標に頼るのではなく、我々は解剖学をコンパクトな潜伏空間にエンコードし、これらの潜伏符号から直接臨床アライメントの測定を遅らせる。
このアーキテクチャは、バックボーン表現を変更することなく、新しいタスクへの迅速な拡張を可能にする。
われわれは566個の膝X線撮影装置を用いて本法を訓練した。
MRKRデータセットから50例の内科的検査データセットと402例の手術前症例を分離して評価した。
これらのデータには手動の臨床的測定が利用可能であり、MRKR測定は一般に公開される予定である。
パフォーマンスは最先端のランドマークベースの手法や手作業による合意に匹敵し、フレキシブルな形状の表現は追加の計測タスクに拡張できる。
関連論文リスト
- Toward Content-based Indexing and Retrieval of Head and Neck CT with Abscess Segmentation [14.966261216613757]
頭部と頸部の膿瘍は急性の感染症のプロセスであり、診断され、迅速に管理されていない場合、敗血症や死亡につながる可能性がある。
AbscessHeNeは,4,926個の造影CTスライスと臨床的に確認された頭頸部膿瘍からなる,治療的,包括的注釈付きデータセットである。
論文 参考訳（メタデータ） (2025-12-01T12:04:24Z) - Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。
まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
論文 参考訳（メタデータ） (2025-07-22T13:24:45Z) - Deep Learning-based Alignment Measurement in Knee Radiographs [1.7933967223670035]
人工膝関節置換術後の関節の健康状態と手術成績を予測するために,X線学的膝関節アライメント(KA)測定が重要である。
KA測定の伝統的な方法は、手動で、時間がかかり、ロングレッグのラジオグラフを必要とする。
本研究は, 自動局所化膝解剖学的ランドマークを用いて, 膝前部X線写真中のKAを測定する深層学習に基づく手法を提案する。
論文 参考訳（メタデータ） (2025-06-22T23:57:46Z) - ProstaTD: Bridging Surgical Triplet from Classification to Fully Supervised Detection [54.270188252068145]
ProstaTDは、ロボット補助前立腺切除術の技術的要求領域から開発された、外科的三重項検出のための大規模なデータセットである。
このデータセットは、71,775の動画フレームと196,490の注釈付きトリプルトインスタンスで構成され、複数の機関で実施された21の手術から収集された。
ProstaTDは、これまでで最大かつ最も多様な3重項データセットであり、単純な分類から正確な空間的境界と時間的境界を持つ完全な検出へとフィールドを移動している。
論文 参考訳（メタデータ） (2025-06-01T19:29:39Z) - Geo-UNet: A Geometrically Constrained Neural Framework for Clinical-Grade Lumen Segmentation in Intravascular Ultrasound [7.760705377465734]
UNetのような現在のセグメンテーションネットワークは、IVUSにおける臨床応用に必要な精度を欠いている。
そこで我々はGeo-UNetフレームワークを提案する。
静脈性IVUSデータセットに対する我々のフレームワークの有効性を,最先端モデルに対して示す。
論文 参考訳（メタデータ） (2024-08-09T02:55:25Z) - Towards Unifying Anatomy Segmentation: Automated Generation of a
Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。
提案手法はラベル集約段階において手作業によるアノテーションに依存しない。
我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
論文 参考訳（メタデータ） (2023-07-25T09:48:13Z) - Live image-based neurosurgical guidance and roadmap generation using
unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。
生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。
166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文 参考訳（メタデータ） (2023-03-31T12:52:24Z) - KIDS: kinematics-based (in)activity detection and segmentation in a
sleep case study [5.707737640557724]
睡眠行動とベッド内の運動は、人々の神経生理学的健康に関する豊富な情報を含んでいる。
本稿では,臨床的に有意な関節キネマティクスに基づく客観的(in)アクティビティ検出とセグメンテーションのためのオンラインベイズ確率的枠組みを提案する。
論文 参考訳（メタデータ） (2023-01-04T16:24:01Z) - 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)
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。