論文の概要: A Research Prototype for Closed-Loop Generative Design of Customized Foot Orthoses via Semantic-Physics Alignment

• arxiv url: http://arxiv.org/abs/2607.16631v1
• Date: Sat, 18 Jul 2026 04:20:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.20088
• Title: A Research Prototype for Closed-Loop Generative Design of Customized Foot Orthoses via Semantic-Physics Alignment
• Title（参考訳）: セマンティック・フィジカルアライメントによるカスタマイズフットオルソースのクローズドループ生成設計に関する研究
• Abstract要約: Text-Aligned Neural Surrogate (TANS)は、クロスアテンションを用いて、連続的な格子密度場に臨床テキストの埋め込みを投影する。 グラフニューラルネットワーク(GNN)サロゲートは有限要素解析(FEA)の代用としてリアルタイムでプランタ応力を予測する 提案方式はパラメトリックCADよりも34.7%, 適合誤差は0.42mmである。
• 参考スコア（独自算出の注目度）: 2.8199098530835127
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Translating unstructured clinical prescriptions into patient-specific foot orthoses (FOs) is hindered by a semantic-physical misalignment: high-level clinical intent is not mapped deterministically onto the 3D geometric parameters of the orthosis, and existing design workflows remain dependent on manual expertise with no instantaneous biomechanical validation. We present TANS-FO, a research prototype-a modular pipeline with closed-loop feedback for computational design automation of customized FOs, not a clinically validated therapeutic device. A Text-Aligned Neural Surrogate (TANS) uses cross-attention to project clinical-text embeddings onto a continuous lattice-density field, while a Graph Neural Network (GNN) surrogate predicts plantar stress in real time as a substitute for Finite Element Analysis (FEA). The framework is anchored on the open-access PicoFoot-5K anthropometric database (5,230 subjects; 30+ anatomical parameters). Under standardized quasi-static loading, the GNN surrogate agrees with an Abaqus reference solver (R^2 = 0.94), and the full pipeline synthesizes manufacturing-ready lattice insoles within minutes. On the Male 18-40 cohort, the proposed system attains a surrogate-predicted peak-pressure reduction of 34.7% over parametric CAD, with a fit error of 0.42 mm. Separately, an exploratory feasibility observation (n = 12; 2-week follow-up; no control group) using VAS pain reporting indicates short-term comfort improvement (VAS 6.4 -> 2.1), but this data is explicitly classified as preliminary observational evidence only-not evidence of clinical efficacy.
• Abstract（参考訳）: 患者固有の足の整形 (FOs) への非構造的処方薬の翻訳は、意味物理学的ミスアライメントによって妨げられる: 高いレベルの臨床意図は、矯正の3次元幾何学的パラメータに決定的にマッピングされず、既存の設計ワークフローは、即時的なバイオメカニカルな検証なしに手作業の専門知識に依存している。 臨床検査装置ではなく,カスタマイズされたFOの計算設計自動化のためのクローズドループフィードバックを備えたモジュールパイプラインであるTANS-FOを提案する。 Text-Aligned Neural Surrogate (TANS) は連続格子密度場に臨床テキスト埋め込みを投影するためにクロスアテンションを用いており、Graph Neural Network (GNN) は有限要素解析(FEA)の代替としてリアルタイムで植物ストレスを予測する。 このフレームワークは、オープンアクセス可能なPicoFoot-5K人文計測データベース(5,230人、30以上の解剖学的パラメータ)に固定されている。 標準化された準静的負荷の下で、GNNサロゲートはAbaqus参照解決器(R^2 = 0.94)と一致し、完全なパイプラインは数分で製造可能な格子インゾルを合成する。 男性18-40コホートでは、パラメトリックCADよりも34.7%、適合誤差は0.42mmである。 第2に, VAS痛報告を用いた探索的実施可能性観察(n = 12, 2週間の追跡, 対照群なし)は, 短期的快適改善(VAS 6.4 -> 2.1)を示すが, 臨床効果の予備的証拠のみに分類する。

関連論文リスト

• Topology-Driven Transferability Estimation for 3D Medical Vision Foundation Models [24.834339924064505]
  3次元医用画像における高密度予測タスクのためのボクセル・ワイド・フレームワークを提案する。 本フレームワークは,高密度特徴のスパース1-スケルトン幾何グラフと意味ラベルとのアライメントから,転送可能性を直接推定する。 本フレームワークは,平均重み付きケンドール(0.36)を56倍の速度で評価しながら,最先端の転写性評価を実現する。
  論文  参考訳（メタデータ） (2026-07-05T09:45:18Z)
• Analyzing and Improving Fine-grained Preference Optimization in Medical LVLMs [53.697403481143404]
  LVLM(Large Vision-Language Models)は、医用画像処理タスクにおいて強力なパフォーマンスを実現している。 しかし、実際の不整合、視力の低下、臨床的に有意義なフィードバックによる不一致が続く傾向にある。
  論文  参考訳（メタデータ） (2026-06-10T18:35:36Z)
• ADAPTS: Agentic Decomposition for Automated Protocol-agnostic Tracking of Symptoms [36.94429692322632]
  ADAPTS(Agentic Decomposition for Automated Protocol-Agnostic Tracking of Symptoms)は、うつ病と不安度の自動評価のためのフレームワークである。 このアプローチは、長期臨床面接を症状特異的推論タスクに分解する。 レーティングは、オリジナルの人間のレーティングよりも、専門家のベンチマークを近似した。
  論文  参考訳（メタデータ） (2026-05-04T23:08:42Z)
• Using Unsupervised Domain Adaptation Semantic Segmentation for Pulmonary Embolism Detection in Computed Tomography Pulmonary Angiogram (CTPA) Images [0.0]
  非教師なしドメイン適応(UDA)フレームワークはTransformerのバックボーンとMean-Teacherアーキテクチャを使って、センター間のセマンティックセマンティックセグメンテーションを実現する。 主な焦点は、特徴空間内の深い構造情報を学習することで、擬似ラベルの信頼性を高めることである。 クロスセンタデータセット(FUMPEとCAD-PE)で実施した実験的検証は、大幅な性能向上を示す。
  論文  参考訳（メタデータ） (2026-02-23T14:33:24Z)
• OrthoAI: A Lightweight Deep Learning Framework for Automated Biomechanical Analysis in Clear Aligner Orthodontics -- A Methodological Proof-of-Concept [0.1274452325287335]
  提案するOrthoAIは,軽量な3次元歯科領域分割と自動生体力学解析を組み合わせたオープンソースの概念実証支援システムである。 システムは歯の運動を6自由度にわたって分解し、運動特異的な予測可能性を計算し、生体力学的限界を超えると警告を発する。 実際の口腔内メッシュ上でのシステム検証は行われておらず、ランドマーク由来の表現を超越した一般化を想定してはならない。
  論文  参考訳（メタデータ） (2026-02-23T07:33:31Z)
• A WDLoRA-Based Multimodal Generative Framework for Clinically Guided Corneal Confocal Microscopy Image Synthesis in Diabetic Neuropathy [8.701084151107652]
  糖尿病性末梢神経障害(DPN)における角膜共焦点顕微鏡による小線維損傷の評価 強靭で自動的なディープラーニングに基づく診断モデルの開発は、角膜神経形態学におけるラベル付きデータの不足ときめ細かい変化によって制限される。 臨床誘導CCM画像合成のためのWDLoRAに基づくマルチモーダル生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-14T09:32:44Z)
• A Non-Invasive 3D Gait Analysis Framework for Quantifying Psychomotor Retardation in Major Depressive Disorder [4.909486568908741]
  単眼のRGB動画を臨床的に関連する3次元歩行運動学に変換する非侵襲的な計算フレームワークを提案する。 このパイプラインは、単一のカメラキャプチャから297個の明示的な歩行生体力学的バイオマーカーを抽出することを可能にする。 本手法は,精神運動遅滞(PMR)の検出において83.3%の精度を実現し,うつ病重症度の64%のばらつきを説明できる。
  論文  参考訳（メタデータ） (2026-01-27T12:07:21Z)
• Linearized Optimal Transport for Analysis of High-Dimensional Point-Cloud and Single-Cell Data [45.87606039212519]
  シングルセル技術は、細胞の高次元点雲を生成する。 各患者は単純なベクトルではなく不規則な点雲で表される。 線形最適輸送フレームワークを用いて不規則点雲を固定次元ユークリッド空間に埋め込む。
  論文  参考訳（メタデータ） (2025-10-24T21:33:12Z)
• Depth-Sequence Transformer (DST) for Segment-Specific ICA Calcification Mapping on Non-Contrast CT [38.85617601239779]
  従来の3Dモデルは、縮小されたボリュームや分離されたパッチを処理せざるを得ない。 我々は,3次元課題を1次元軸方向に沿ったtextbfParallel Probabilistic Landmark Localizationタスクとして再構成する。 フル解像度CTボリュームを2次元スライスシーケンスとして処理するフレームワークである textbfDepth-Sequence Transformer (DST) を提案する。
  論文  参考訳（メタデータ） (2025-07-10T23:12:12Z)
• A Modular Approach for Clinical SLMs Driven by Synthetic Data with Pre-Instruction Tuning, Model Merging, and Clinical-Tasks Alignment [46.776978552161395]
  小型言語モデル(SLM)は、GPT-4のような大規模言語モデルに代わる費用対効果を提供する。 SLMは費用対効果のある代替手段を提供するが、その限られた能力は生物医学的な領域適応を必要とする。 本研究では,SLMを高性能な臨床モデルに適用するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-15T21:40:21Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• 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。