論文の概要: Surface-to-Skeleton 3D Cephalometry: Estimating Hidden Skeletal Landmarks from CT-Derived External Soft-Tissue Surfaces
- arxiv url: http://arxiv.org/abs/2608.12537v1
- Date: Wed, 12 Aug 2026 19:09:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.313337
- Title: Surface-to-Skeleton 3D Cephalometry: Estimating Hidden Skeletal Landmarks from CT-Derived External Soft-Tissue Surfaces
- Title（参考訳）: 表面から骨格までの表面3次元ケパロメトリー:CTによる外部軟質表面からの隠れ骨格ランドマークの推定
- Abstract要約: 我々は、CTから導かれる曲面を用いて、座標一貫性のある表面-骨格タスクを定式化する。
我々は,CTから派生した,21の骨格的ランドマークと3つの可視的ソフト・タスク的ランドマークとをペアリングする振り返りプロトコルを構築した。
統合的階層的ポイントクラウドモデルでは、40人の患者で骨格のランドマークが平均2.97mm、深部または表面の見えないランドマークが3.03mmとなる。
- 参考スコア（独自算出の注目度）: 7.612596237676448
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing 3D facial-landmark methods localize points on visible skin, but whether CT-defined internal skeletal landmarks can be inferred from external soft-tissue geometry remains unclear. We formulate a coordinate-consistent surface-to-skeleton task using same-acquisition CT-derived surfaces, separating estimation from optical-to-CT registration, scanner-domain, and acquisition-state effects, with coverage analyzed separately. From 240 clinical CT scans from two hospitals, we construct a locked retrospective protocol pairing CT-derived external soft-tissue point clouds with 21 skeletal landmarks and three visible soft-tissue landmarks. An integrated hierarchical point-cloud model achieves 2.97 mm mean radial error on skeletal landmarks and 3.03 mm on deep or surface-invisible landmarks in 40 held-out patients. Patient-mismatch controls support patient-specific signal beyond a fixed population configuration or global similarity alone, while coverage ablations indicate dependence on non-anterior geometry. Optical-transfer diagnostics reveal substantial coverage-related and global-configuration components, although deployable optical inference remains unresolved. These results answer the controlled feasibility question affirmatively and provide a basis for hidden skeletal landmark inference.
- Abstract（参考訳）: 既存の3D顔ランドマーク法では、視認性皮膚に点を局在させるが、CTで定義した内部骨格のランドマークが外部軟部形状から推測できるかどうかは不明である。
我々は,光学-CT-CT登録,スキャナ領域,取得状態の影響を別々に解析し,同一のCT-CT-CT表面を用いた座標整合型表面-骨格タスクを定式化する。
2つの病院の240個のCT検査から,21個の骨格的ランドマークと3つの可視的軟部部分的ランドマークを持つCT由来の外部軟部点雲をペアリングするロック・リフレクション・プロトコルを構築した。
統合的階層的ポイントクラウドモデルでは、40人の患者で骨格のランドマークが平均2.97mm、深部または表面の見えないランドマークが3.03mmとなる。
患者ミスマッチコントロールは、固定された人口構成やグローバルな類似性だけでなく、患者固有の信号もサポートしている。
光トランスファー診断では、相当なカバレッジとグローバルな構成の要素が示されるが、展開可能な光推論は未解決のままである。
これらの結果は、制御された実現可能性疑問に肯定的に答え、隠れ骨格のランドマーク推論の基礎を提供する。
関連論文リスト
- Label-Free Deep-Tissue Peripheral Nerve Detection with a Handheld Multimodal OCT Probe and NerveDetNet [14.652837775821794]
無傷組織の下に埋もれた末梢神経の可視化は困難である。
NerveDetNetは、弱く空間的に変位した神経信号を回復する軽量2.5Dセグメンテーションネットワークである。
論文 参考訳（メタデータ） (2026-08-13T22:34:46Z) - Patient-Specific Articulated Digital Twins from a Single Full-Body CT Scan [10.261106856853742]
患者固有の解剖モデルは、手術計画、画像誘導的介入、アルゴリズム開発のためのコンテキストを提供する。
フルボディCTスキャンを用いて患者特異的なデジタル双対を構築するための概念実証法を提案する。
論文 参考訳（メタデータ） (2026-07-02T13:30:45Z) - PSCT-Net: Geometry-Aware Pediatric Skull CT Reconstruction via Differentiable Back-Projection and Attention-Guided Refinement [2.65131397683555]
スパースバイプラナーX線からの3DCTの再構成は、低用量代替手段を提供するが、重篤な治療である。
既存の手法では幾何学に依存しない特徴持ち上げ法を用いて、2次元特徴を比例的に3次元に投影する。
我々は,PSCT-Netを提案する。PSCT-Netは,空間的に忠実な容積を前もって確立し,奥行きの曖昧さを緩和する。
論文 参考訳（メタデータ） (2026-06-18T07:26:32Z) - SpineReport: Automated 3D Quantification and Reporting of Lumbar Spine Degeneration on MRI [0.38696580294804606]
腰部MRI脊椎の3次元形態計測を包括的に行うための,オープンソースの完全自動化フレームワークであるSpineReportを紹介した。
この方法は、脊髄、脊髄、脊椎、椎間板、前頭骨などの重要な構造から定量的なメトリクスを抽出する。
また,T2強調CSF信号が著効し,中心管重度狭窄と強い相関が認められた。
論文 参考訳（メタデータ） (2026-06-08T18:07:45Z) - Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。
厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。
類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
論文 参考訳（メタデータ） (2026-03-02T10:44:03Z) - Surf2CT: Cascaded 3D Flow Matching Models for Torso 3D CT Synthesis from Skin Surface [13.161605581865357]
Surf2CTは、外部表面スキャンと人口統計データから人間の胴体の全3DCTボリュームを合成するフレームワークである。
我々は、マサチューセッツ総合病院(MGH)から得られた3,198個の胴体CTスキャンとAutoPETチャレンジを組み合わせたデータセットでモデルをトレーニングした。
論文 参考訳（メタデータ） (2025-05-28T16:01:36Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-01T10:10:46Z) - Pairwise-Constrained Implicit Functions for 3D Human Heart Modelling [60.56741715207466]
我々は、心を相互依存型SDFの集合としてモデル化するペアワイズ拘束型SDFアプローチを導入する。
本手法は, 単SDF, UDF, ボクセルベース, セグメンテーションベースを用いて, 内部構造精度を大幅に向上させる。
論文 参考訳（メタデータ） (2023-07-16T10:07:15Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。
SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
論文 参考訳（メタデータ） (2021-11-26T13:47:34Z) - Deep Negative Volume Segmentation [60.44793799306154]
対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。
我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。
顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
論文 参考訳（メタデータ） (2020-06-22T16:55:23Z)
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。