論文の概要: ARNAI: Artifact Removal Network based on Autoencoding and Inpainting for Robust Spinal Image Segmentation and Measurement

• arxiv url: http://arxiv.org/abs/2609.07013v1
• Date: Mon, 07 Sep 2026 04:06:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.359416
• Title: ARNAI: Artifact Removal Network based on Autoencoding and Inpainting for Robust Spinal Image Segmentation and Measurement
• Title（参考訳）: ARNAI:ロバスト・スピナル・イメージ・セグメンテーションと計測のための自動符号化と塗装に基づく人工物除去ネットワーク
• Abstract要約: 本研究の目的は,X線写真上でのスピノペルビックパラメータの自動計測に有効なAIフレームワークを開発することである。 2施設の外側腰椎X線像を振り返って検討した。 我々は,自動エンコーディングとインペイントに基づく新しいアーティファクト除去ネットワークを組み込んだRestore, Segment, and Measure (RSM) フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 8.059393919102073
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: This study aims to develop an AI framework applicable for postoperative imaging for automated measurement of spinopelvic parameters on radiographs with robustness to the presence of spinal implants. Materials and Methods: We retrospectively reviewed lateral lumbar spine radiographs from two institutions (Internal: January 2017--December 2024; External: October 2021--September 2025). We developed the Restore, Segment, and Measure (RSM) framework, incorporating a novel Artifact Removal Network based on Autoencoding and Inpainting (ARNAI) to mitigate implant-related artifacts in postoperative radiographs. Segmentation and spinopelvic parameter (PT, LL, SS, SCA) measurement performance were assessed using Wilcoxon signed-rank tests and intraclass correlation coefficients. Results: When ARNAI was added to a recent Transformer-based segmentation model, FCBFormer, the mean DSC increased to 0.870 from 0.814, with marked gains at L3--L5 and smaller improvements at L1--L2. On 91 radiographs with implants, the mean L4--L5 segmental Cobb angle error decreased to 4.7 ° from 15.6--16.2 °, an average error reduction of 70%. The ICC for L4--L5 segmental Cobb angle improved to 0.54 (Rater 1) and 0.59 (Rater 2) from 0.18, and ICCs for pelvic tilt, lumbar lordosis, and sacral slope all exceeded 0.70. The improvement in L4--L5 segmental Cobb angle error was statistically significant in the internal implant-containing cohort after correction for multiple comparisons. Conclusion: The proposed RSM framework improved automated spinopelvic parameter measurement in implant-containing postoperative radiographs. By mitigating implant-related artifacts, ARNAI improved segmentation and downstream measurement accuracy, with the greatest benefit observed for L4--L5 segmental Cobb angle estimation, where the mean error was reduced by approximately 70%.
• Abstract（参考訳）: 目的: 本研究の目的は, 脊柱管内インプラントの有無に頑健なX線写真上での脊柱管内パラメータの自動計測に有効なAIフレームワークを開発することである。 材料と方法:2施設の外側腰椎X線写真(2017年1月～2024年12月～2021年10月～2025年9月)を振り返って検討した。 本研究では, 自動エンコード・インパインティング(ARNAI)に基づく新しいアーティファクト除去ネットワークを取り入れて, 術後放射線検査におけるインプラント関連アーティファクトの軽減を目的としたRestore, Segment, and Measure (RSM) フレームワークを開発した。 ウィルコクソンサインランク試験とクラス内相関係数を用いて, セグメンテーションおよびスピノペルビックパラメータ(PT, LL, SS, SCA)の測定性能を評価した。 結果:最近のTransformerベースセグメンテーションモデルであるFCBFormerにARNAIを添加すると,平均DSCは0.814から0.870に増加し,L3-L5では顕著に増加し,L1-L2では改善した。 インプラントを用いた91個のX線写真では、平均L4-L5セグメントのコブ角誤差は15.6-16.2°から4.7°に減少し、平均誤差は70%減少した。 L4-L5セグメントコブ角のICCは 0.54 (Rater) に改善された 1)および0.59(ラター) 2) 骨盤傾斜, 腰部脊柱管狭窄, 仙骨傾斜は0.18例, ICCは0.70例以上であった。 L4-L5セグナルコッブ角誤差の改善は, 複数比較の補正後の内インプラント含有コホートにおいて統計的に有意であった。 結語: RSM フレームワークは, 移植術後のX線写真において, 自動スピノペルビックパラメータ測定を改善した。 インプラント関連アーティファクトを緩和することにより、ARNAIはセグメント化および下流測定精度を向上し、平均誤差を約70%削減したL4-L5セグメント状コブ角推定の最大の利点を得た。

関連論文リスト

• Anatomy-Change-Aware Bidirectional Selective State-Space Memory for Clinically Deployed Thoracic Radiotherapy Auto-Contouring [0.6439594960617159]
  DAMM-Net++は胸部放射線治療のための2.5Dアーキテクチャである。 これはスライス表面の不整合、小さな低コントラストターゲットの系統的故障、ケースごとの信頼性信号の欠如に対処する。 平均Diceは0.955、HD95は3.78mmで、低コントラストの臓器のリスクが最も高い。
  論文  参考訳（メタデータ） (2026-09-11T11:13:06Z)
• Parameter-Efficient pretrained-CT-to-MRI Transfer for Rectal Cancer Segmentation: Performance-Calibration Trade-offs [3.0748861313822995]
  直腸癌における術前パラメータ-eFモデルであるSWIFTと腫瘍認識微細チューニングについて紹介する。 10,444個の3次元CTボリュームで事前訓練したSwin V2エンコーダを4つの累積構成によりT2強調MRIに適用した。 計測精度, 腫瘍検出, 放射線学的一致, 確率校正について検討した。
  論文  参考訳（メタデータ） (2026-08-27T14:27:49Z)
• Searching for Robust Augmentations to Improve Out-of-Domain Generalization in Dermoscopic Skin Cancer Classification [35.18016233072556]
  悪性二分数非悪性一般化のロバスト性を改善するためのデータ拡張法について検討した。 データ拡張は、マルチソースISICアーカイブコレクションで検索された。
  論文  参考訳（メタデータ） (2026-07-29T11:06:06Z)
• Focus on What Matters: Two-Stage ROI-Aware Refinement for Anatomy-Preserving Fetal Ultrasound Reconstruction [6.884711449184333]
  測定クリティカル超音波タスクは、しばしば小さな解剖学的領域に依存するため、臨床像に対する信頼性の低い指標となる。 我々はROIを意識した表現学習フレームワークを提案し、マルチホスピタルドメインシフトの下で第1三次ヌーカル透明度(NT)スクリーニングを行う。 2相畳み込みオートエンコーダ(CAE)は、まずMS-SSIMを介してグローバルに忠実な128次元潜伏符号を学習し、次に強度(L1)と正規化されたソベルエッジ制約を用いてNTROIを洗練する。
  論文  参考訳（メタデータ） (2026-04-26T18:47:17Z)
• Pillar-0: A New Frontier for Radiology Foundation Models [41.640120966890954]
  腹部骨盤CT42,990例,胸部CT86,411例,頭部CT14,348例,胸部MRI11,543例にPillar-0を導入した。 Pillar-0は平均86.4、88.0、90.1、82.9のAUROCを達成し、MedGemma (Google)、MedImageInsight (Microsoft)、Lingshu (Alibaba)、Merlin (スタンフォード)を7.8-15.8のAUROCポイントで上回り、87.2% (319/366)タスクでランクインしている。
  論文  参考訳（メタデータ） (2025-11-21T21:50:34Z)
• Automated glenoid bone loss measurement and segmentation in CT scans for pre-operative planning in shoulder instability [4.618498494409548]
  肩関節不安定症の手術計画には, 骨量測定の信頼性が不可欠である。 三次元CTスキャンによるグリノイド骨量計測のための完全自動深層学習パイプラインの開発と評価を行った。
  論文  参考訳（メタデータ） (2025-11-18T03:12:22Z)
• Markerless Augmented Reality Registration for Surgical Guidance: A Multi-Anatomy Clinical Accuracy Study [6.154533735564864]
  我々は,ヘッドマウントディスプレイ上に,奥行きのみのマーカーレス拡張現実(AR)登録パイプラインを開発し,臨床評価を行った。 実運用環境における小・低曲率解剖の精度を評価する。
  論文  参考訳（メタデータ） (2025-11-03T21:58:33Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• MAPPING: Model Average with Post-processing for Stroke Lesion Segmentation [57.336056469276585]
  我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。 本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
  論文  参考訳（メタデータ） (2022-11-11T14:17:04Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
  3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。 本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
  論文  参考訳（メタデータ） (2021-08-21T16:15:40Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Direct Estimation of Spinal Cobb Angles by Structured Multi-Output Regression [42.67503464183464]
  脊髄湾曲率を定量的に評価するコブ角度は、脊柱側膜症の診断および治療において重要な役割を果たします。 脊髄X線からのCobb角の推定を多出力回帰タスクとして定式化する。 本手法は, 高い精度で cobb 角度の直接推定が可能であり, 臨床応用の可能性も示唆する。
  論文  参考訳（メタデータ） (2020-12-23T12:33:46Z)

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。