論文の概要: TokenSTFormer: A Tokenized Spatial-temporal Attention Model for Holistic Motion Analysis in Adolescent Idiopathic Scoliosis Screening

• arxiv url: http://arxiv.org/abs/2608.16122v1
• Date: Mon, 17 Aug 2026 05:27:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.545385
• Title: TokenSTFormer: A Tokenized Spatial-temporal Attention Model for Holistic Motion Analysis in Adolescent Idiopathic Scoliosis Screening
• Title（参考訳）: TokenSTFormer:青年期特発性強皮症スクリーニングにおけるホロスティック動作解析のためのTokenized spatial-temporal Attention Model
• Abstract要約: 思春期特発性強皮症 (AIS) は、未治療のまま放置された場合、重篤な健康状態が引き起こされる、思春期特発性強皮症(英語版) (AIS) である。 これらの課題に対処するために,対応するX線記録と組み合わせた1,516本の歩行ビデオクリップからなるScoliGaitデータセットを提案する。 TokenSTFormerは空間的および時間的意味論をトークン化し、特徴表現と収束を強化する新しいモデルである。
• 参考スコア（独自算出の注目度）: 7.133441017694392
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adolescent Idiopathic Scoliosis (AIS) is a prevalent spinal deformity in adolescents that, if left untreated, can result in severe health outcomes. Traditional screening methods are limited by subjective interpretation, reliance on professional expertise and low scalability. To address these challenges, we present ScoliGait dataset, which comprises 1,516 gait video clips paired with corresponding X-ray records. We also introduce TokenSTFormer, a novel model that tokenizes spatial and temporal semantics to enhance feature representation and convergence. Our model achieves state-of-the-art performance, surpassing vanilla Vision Transformer encoder across key metrics, including accuracy of 0.79. This study highlights the potential of leveraging holistic motion features derived from gait video and attention-based models for scalable, cost-effective AIS screening, paving the way for future clinical applications in scoliosis detection.
• Abstract（参考訳）: 思春期特発性強皮症 (AIS) は、未治療のまま放置された場合、重篤な健康状態が引き起こされる、思春期特発性強皮症(英語版) (AIS) である。 従来のスクリーニング手法は、主観的解釈、専門知識への依存、スケーラビリティの低下によって制限される。 これらの課題に対処するために,対応するX線記録と組み合わせた1,516本の歩行ビデオクリップからなるScoliGaitデータセットを提案する。 TokenSTFormerは空間的および時間的意味論をトークン化し、特徴表現と収束を強化する新しいモデルである。 我々のモデルは最先端のパフォーマンスを達成し、精度0.79を含む主要なメトリクスにわたってバニラビジョントランスフォーマーエンコーダを上回ります。 本研究は、歩行映像と注意に基づくモデルから得られた全身的な運動特徴を、スケーラブルで費用対効果の高いAISスクリーニングに活用する可能性を強調し、スコリアス検出における将来的な臨床応用の道を開くものである。

関連論文リスト

• Towards a General Intelligence and Interface for Wearable Health Data [45.854819784803055]
  本研究では,1兆分以上の未ラベルセンサ信号に基づいて,ウェアラブルヘルスの基盤モデルを提案する。 この集団スケールの表現は、ラベル効率のよい少数ショット学習と生成能力を有効化して、1日あたりのロバストな計量推定を行う。
  論文  参考訳（メタデータ） (2026-05-21T17:24:06Z)
• Clinical-Prior Guided Multi-Modal Learning with Latent Attention Pooling for Gait-Based Scoliosis Screening [8.010714901985898]
  思春期特発性強皮症(AIS)は,早期発見により進行を緩和できる脊髄変形である。 現在のスクリーニング手法は主観的であり、スケールが難しく、専門的な専門知識に依存している。 ビデオベースの歩行分析は、有望な代替手段を提供するが、現在のデータセットとメソッドは、しばしばデータ漏洩に悩まされる。 ScoliGaitは、トレーニング用の1,572の歩行ビデオクリップと、テスト用の300の完全に独立したクリップからなる、新しいベンチマークデータセットである。
  論文  参考訳（メタデータ） (2026-02-06T14:44:22Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation [83.02147613524032]
  医療用AIシステムFetalMindについて報告する。 本稿では、専門家による2部グラフをモデルに注入し、ビュー・ディスリーズ関連を分離するSED(Salient Epistemic Disentanglement)を提案する。 FetalMindはすべての妊娠期のオープンソースおよびクローズドソースベースラインを上回り、平均利得は+14%、臨界条件では+61.2%高い。
  論文  参考訳（メタデータ） (2025-10-14T19:57:03Z)
• Revolutionizing Precise Low Back Pain Diagnosis via Contrastive Learning [0.3499870393443268]
  腰痛は世界中の何百万もの人に影響を与え、堅牢な診断モデルの必要性を喚起する。 我々は,腰椎MRIスキャンとそれに対応する放射線学的記述との整合性を確保するために,コントラスト言語画像事前訓練を利用する新しいフレームワークであるLumbarCLIPを提案する。
  論文  参考訳（メタデータ） (2025-09-25T06:52:25Z)
• Pose as Clinical Prior: Learning Dual Representations for Scoliosis Screening [15.000310203998012]
  Scoliosis1K-Poseは、オリジナルのScooliosis1Kデータセットを拡張する2Dヒューマンポーズアノテーションセットである。 離散的な姿勢非対称ベクトル(PAV)と連続的な骨格地図を統合するDual Representation Framework(DRF)を紹介する。 新規なPAV-Guided Attention (PGA)モジュールは、直接的特徴抽出に先立って臨床としてPAVを使用する。
  論文  参考訳（メタデータ） (2025-08-31T14:34:11Z)
• Text-Guided Multi-Instance Learning for Scoliosis Screening via Gait Video Analysis [33.88520129574637]
  早期側頭症は、特に遅発性診断が重篤な健康問題を引き起こす青年期において、検出が困難である。 従来のX線ベースの方法は放射線リスクを持ち、臨床の専門知識に大きく依存し、大規模なスクリーニングでの使用を制限する。 歩行映像を用いた非侵襲的側頭症検出のためのテキストガイド型マルチインスタンス学習ネットワーク(TG-MILNet)を提案する。
  論文  参考訳（メタデータ） (2025-07-01T22:13:27Z)
• Gait Patterns as Biomarkers: A Video-Based Approach for Classifying Scoliosis [10.335383345968966]
  スコリオーシスは、特に青年期において重要な診断上の課題を呈する。 従来の診断と追跡方法は、臨床専門知識と放射線曝露のリスクのために限界に直面している。 歩行分析を用いた新しいビデオベース非侵襲的スコリオーシス分類法を提案する。
  論文  参考訳（メタデータ） (2024-07-08T08:29:02Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)

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。