論文の概要: CTSpinoPelvic1K: spine, pelvis, ribs and femora in one coordinate frame, annotated for lumbosacral transitional anatomy
- arxiv url: http://arxiv.org/abs/2609.22760v1
- Date: Sat, 19 Sep 2026 04:41:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.544752
- Title: CTSpinoPelvic1K: spine, pelvis, ribs and femora in one coordinate frame, annotated for lumbosacral transitional anatomy
- Title（参考訳）: CTSpinoPelvic1K : 腰部, 骨盤, 骨盤, 大腿骨骨の1座標フレーム, 腰仙部移行解剖
- Abstract要約: 802 CTでは, 胸椎, S1, 胸椎に固定した。
CTSpine1K andelvic1Kは、各患者の骨量の多いシリーズに記録されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose: A vertebra at the lumbosacral junction is named by counting caudally from C2 on whole-spine imaging, but a lumbar case is planned on lumbar-only imaging (T12 to S1), without C2. Abdominopelvic CT holds that span plus the lowest ribs and pelvis. Where a lumbosacral transitional vertebra (LSTV) alters the count, the local anatomy is ambiguous: four rib-free vertebrae may be an L1 with a lumbar rib or an L5 assimilated to the sacrum, and six may be a sixth lumbar vertebra, a T12 with aplastic ribs, or a lumbarized S1. CTSpinoPelvic1K asks whether local morphology resolves it without the count. CTSpine1K's vertebrae and CTPelvic1K's pelvis covered these patients but were never joined; this release joins them on one series and adds the bones neither had. It provides 802 CT records with per-level ribs and femora, levels anchored on the lowest rib-bearing vertebra and S1, and classes for L6, T13, a separate S1 and lumbar ribs, so anomalies are recorded as such. Acquisition and Validation Methods: Records pair CTSpine1K and CTPelvic1K labels on each patient's bone-richest series under a VerSe-native scheme. Validation covered geometric invariants (802/802 pass), rib-vertebra incidence across 5,749 ribs (0.035% offset), and spinopelvic measures matching published values. Data Format and Usage Notes: NIfTI image/label pairs with patient-grouped LSTV-stratified five-fold splits and a loader; archived at https://doi.org/10.5281/zenodo.22139642. Potential Applications: Classifying a vertebra from local features; updating cadaveric morphometry; spinopelvic assessment; opportunistic screening; and, absent a public preoperative lumbar cohort, surgical planning research (377 records prone). Limitations: thoracic ground truth is field-of-view limited; postural angles supine; no held-out test set; ribs are triaged-review pseudolabels; Castellvi grades two-reader consensus on 33 records.
- Abstract（参考訳）: 目的: 腰仙部接合部の椎骨は, 胸部全像においてC2から因果的に数えることにより命名されるが, 腰椎のみの画像(T12〜S1)ではC2を含まない。
アブドミノペルビックCTでは、骨盤と骨盤が最下位である。
腰仙骨移行椎骨(LSTV)がカウントを変化させる場合、局所解剖は曖昧である:4つのリブのない椎骨は、腰椎に同化した腰椎骨または腰仙に同化したL5のL1であり、6つは、6番目の腰椎椎骨、可塑性リブを持つT12、または腰椎化S1である。
CTSpinoPelvic1Kは、局所的な形態がカウントなしで解決するかどうかを問う。
CTSpine1Kの椎骨とCTPelvic1Kの骨盤はこれらの患者をカバーしたが、決して参加しなかった。
L6, T13, 別個のS1, 腰椎リブ, 腰椎リブに802個のCT記録が記録されており, 異常が記録されている。
CTSpine1K と CTPelvic1K のラベルを VerSe-native 方式で各患者の骨量の多いシリーズに記録する。
検証は、幾何学的不変量(802/802パス)、5,749リブ(0.035%オフセット)にわたるリブ-頂点の出現、および公表された値に一致するスピノペルビック測度をカバーした。
Data Format and Usage Notes: NIfTI image/label pairs with patient-grouped LSTV-stratified five-fold splits and a Loader; Archiveed at https://doi.org/10.5281/zenodo.22139642
潜在的な応用: 椎骨を局所的特徴から分類し, 頭蓋形態計測を更新し, 椎骨評価を行い, 経時的スクリーニングを行った。
制限: 胸部基底真理は視野の制限; 姿勢角は上向き; 保持されたテストセットなし; リブはトリアード・リビューの擬似ラベル; カステルヴィは33レコードで2読のコンセンサスを持つ。
関連論文リスト
- VERIDAH: Solving Enumeration Anomaly Aware Vertebra Labeling across Imaging Sequences [12.236245359994678]
列挙異常の同定は、慢性の腰痛と手術計画に潜在的な臨床的意味を持つ。
The Vertebra Identification with Anomaly Handling (VERIDAH) is a novel vertebra labeling algorithm based on multiple classification head with a weighted vertebra sequence prediction。
論文 参考訳（メタデータ） (2026-01-20T15:22:59Z) - Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。
マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
論文 参考訳（メタデータ） (2025-12-07T14:03:28Z) - 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) - Context-Aware Transformers For Spinal Cancer Detection and Radiological
Grading [70.04389979779195]
本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。
MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。
画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
論文 参考訳（メタデータ） (2022-06-27T10:31:03Z) - Accurate Scoliosis Vertebral Landmark Localization on X-ray Images via
Shape-constrained Multi-stage Cascaded CNNs [14.298452017755197]
椎間板のランドマークの局在は、脊椎関連臨床応用における重要なステップである。
単一タスクを2つの逐次ステップに分割する多段階畳み込み畳み込みニューラルネットワーク(CNN)を提案する。
脊椎後方X線像609点からなるAASCEデータセットについて検討した。
論文 参考訳（メタデータ） (2022-06-05T02:45:40Z) - Weakly-supervised Biomechanically-constrained CT/MRI Registration of the
Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。
また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。
以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文 参考訳（メタデータ） (2022-05-16T10:59:55Z) - CTSpine1K: A Large-Scale Dataset for Spinal Vertebrae Segmentation in Computed Tomography [27.27657839726696]
CTSpine1Kと呼ばれる大規模な脊椎CTデータセットを導入する。
このデータセットは1,005CTボリュームを含み、11,100以上のラベル付き脊椎は異なる脊椎の状態に属している。
論文 参考訳（メタデータ） (2021-05-31T05:34:27Z) - A Convolutional Approach to Vertebrae Detection and Labelling in Whole
Spine MRI [70.04389979779195]
脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。
これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。
本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
論文 参考訳（メタデータ） (2020-07-06T09:37:12Z) - Accurately identifying vertebral levels in large datasets [4.210140995696958]
この研究の目的は、大規模な異種データセットのL1レベルを正確に識別できるシステムを開発することである。
最初のアプローチは、3D U-Netを使用してスキャンボリューム全体を使用してL1椎骨を直接分割し、コンテキストを提供する。
L1椎骨の同定には98%の精度が得られたが, 頭蓋骨レベルでの平均誤差は4.5mmであった。
論文 参考訳（メタデータ） (2020-01-28T18:15:02Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。