論文の概要: RibAssist 3D: Biplanar Rib-Fracture Detection, Addressing, and Selective 3D Localization from CT-Derived Projections
- arxiv url: http://arxiv.org/abs/2608.06914v2
- Date: Mon, 10 Aug 2026 07:54:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 13:55:18.799673
- Title: RibAssist 3D: Biplanar Rib-Fracture Detection, Addressing, and Selective 3D Localization from CT-Derived Projections
- Title（参考訳）: RibAssist 3D-Biplanar Rib-Fracture Detection, Addressing, and Selective 3D Localization from CT-Derived Projections
- Authors: Kabila Haile Soboka,
- Abstract要約: リブ骨折はCT(Computed tomography)で局所化するのに一般的で時間を要する
2つの直交CTからの投射で独立に検出された骨折は、視界をまたいでペアリングし、偽出力の制御速度で信頼できる3Dポイントに三角測量できるかどうかを問う。
本研究は、選択的3次元局所化のための再現可能なフレームワークを確立し、クロスビュー対応を主要な運用ボトルネックとして認識する。
- 参考スコア（独自算出の注目度）: 0.6768558752130311
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rib fractures are common and time-consuming to localize on computed tomography (CT). We ask whether fractures detected independently in two orthogonal CT-derived projections (anteroposterior and lateral) can be paired across views and triangulated into reliable 3D points at a controlled rate of false outputs, and we answer it with a staged diagnostic study. The projection geometry is exact, and given correct correspondence, localization is accurate (median 4.0 mm, 88% within 10 mm, 93.6% rib-exact). On a sealed 55-case cohort, a large share of fractures is in principle recoverable (61.1% dual-view availability, and a correct pair present in the candidate graph for 58.4% of fractures), yet the binding limitation is neither geometry nor localization but confidence-limited cross-view correspondence. A controlled detector-by-correspondence factorial attributes the operational gain to lateral-detector quality rather than the tested matching methods; retraining the lateral detector produces the first nonzero controlled-budget reconstructions. Under a deliberately conservative commitment policy, a pre-specified sealed pass promotes 15 of 601 fractures to correct 3D localizations at 0.436 false points per case (2.50% end-to-end commitment yield), and committed points are accurate (median 1.49 mm, 93% rib-exact). The low yield is a consequence of confidence-gated abstention, not of geometry or detection: the study establishes a reproducible framework for selective 3D localization and identifies cross-view correspondence as the dominant operational bottleneck.
- Abstract（参考訳）: リブ骨折は一般的で,CT(Computed tomography)の局所化に時間を要する。
2つの直交性CTからの投射(後部と側部)で独立に検出された骨折は、視界を横切り、偽出力の制御速度で信頼できる3Dポイントに三角測量できるかどうかを問うとともに、段階的診断研究で答える。
射影幾何学は正確であり、正しい対応が与えられた場合、局所化は正確である(中間4.0mm、10mm以内、88%、93.6% rib-exact)。
封印された55ケースのコホートでは、多くの骨折が原理的に回復可能である(61.1%の双対可利用性、58.4%の骨折の候補グラフに正しいペアが存在する)が、結合制限は幾何学的でも局所化でもないが、信頼性に制限されたクロスビュー対応である。
制御された検出器・バイ・対応因子は、テストされたマッチング手法ではなく、操作上の利得を横方向の検出器品質に特性付け、横方向検出器の再訓練は、最初の非ゼロ制御予算再構築を生成する。
故意に保守的なコミットメントポリシーの下で、封印されたパスは、601個の骨折のうち15個の骨折を1ケースあたり0.436個の偽点(エンド・ツー・エンド・コミットの収率2.50%)で修正し、コミットポイントは正確である(中間1.49mm、93%リブ・エクサクト)。
低収率は、幾何や検出ではなく、自信に満ちた棄権の結果である: この研究は、選択的3次元局在化のための再現可能な枠組みを確立し、クロスビュー対応を主要な運用ボトルネックとして特定する。
関連論文リスト
- Track-Leakage-Free Hold-Out Self-Validation for Photogrammetric Reconstruction: Protocol, Sensitivity, and Limits [0.0]
画像再構成のためのトラックレカジフリーホールドアウトプロトコルを定式化する。
我々は、5つの基準撮影、13のETH3Dレーザースキャンシーン、EuRoC飛行、30のIMC 2025シーンで評価した。
論文 参考訳（メタデータ） (2026-07-25T17:00:11Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。
このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。
本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:14:20Z) - Reinforcing 3D Understanding in Point-VLMs via Geometric Reward Credit Assignment [45.205992501478256]
本研究では、フィールド固有の信号に全体的監督を分散させるフレームワークを提案し、それらを責任あるトークンスパンにのみルーティングする。
提案手法は,3次元KPAを0.64から0.93に増加させ,結合上の3次元境界ボックス交点を0.686に増加させ,再計画整合点を0.852に引き上げることで信頼性ギャップを橋渡しする。
論文 参考訳（メタデータ） (2026-04-23T00:01:40Z) - Medical thinking with multiple images [44.04557445622649]
我々はMedThinkVQAを紹介した。MedThinkVQAは、複数の画像で考えるためのエキスパートアノテーション付きベンチマークである。
データセットは720のテストケースを含む8,067ケースを含み、1ケースあたり平均6.62イメージである。
テストセットでは、最高のクローズドソースモデルであるClaude-4.6-Opus、Gemini-3-Pro、GPT-5.2-xhighは57.2%、55.3%、54.9%の精度しか達成できなかった。
論文 参考訳（メタデータ） (2026-04-14T18:51:07Z) - MRI Plane Orientation Detection using a Context-Aware 2.5D Model [1.526156659531584]
人間は2次元MRIスライスで簡単に解剖学的平面を識別できるが、自動化されたシステムはこのタスクに苦労する。
本研究では,平面配向メタデータを正確に生成する分類器を開発した。
我々は3Dスライスシーケンスと静的2D画像の両方で2.5Dモデルを訓練する。
脳腫瘍検出タスクにおいて生成したメタデータの有用性を検証する。
論文 参考訳（メタデータ） (2025-11-18T01:00:57Z) - Interpretable Vertebral Fracture Quantification via Anchor-Free
Landmarks Localization [0.04925906256430176]
椎体圧迫骨折は骨粗しょう症の早期徴候である。
3次元CT画像に椎体を局在させる新しい2段階アルゴリズムを提案する。
そして、個々の椎骨を検出し、同時に2Dで骨折を定量化する。
論文 参考訳（メタデータ） (2022-04-14T08:31:25Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - Keypoints Localization for Joint Vertebra Detection and Fracture
Severity Quantification [0.04925906256430176]
椎体圧迫骨折は骨粗しょう症の早期徴候である。
3次元CT画像に椎体を局在させる新しい2段階アルゴリズムを提案する。
我々は同時に個々の椎骨を検出し、2Dで骨折を定量化する。
論文 参考訳（メタデータ） (2020-05-25T08:05:27Z)
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。