論文の概要: Predicting the Progression of Adolescent Idiopathic Scoliosis

• arxiv url: http://arxiv.org/abs/2609.28434v1
• Date: Wed, 23 Sep 2026 17:33:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.134469
• Title: Predicting the Progression of Adolescent Idiopathic Scoliosis
• Title（参考訳）: 思春期特発性強皮症の進行予測
• Abstract要約: 我々は、曲線進行を予測するために、スピンの曲線を取る変圧器モデルを訓練する。 このモデルでは、スコリオーシスと正常症例の両方において、スピン曲線の進行を正確に予測することができる。
• 参考スコア（独自算出の注目度）: 46.07145155913717
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Adolescent Idiopathic Scoliosis is defined as a lateral curvature of the spine that develops during adolescence, without known cause. The condition can result in significant pain and disability, and often progresses rapidly during adolescence. The objective of this paper is to predict the progression of the condition in a temporal sequence from ages 9 to 24, as measured from a sequence of Dual X-ray Absorptiometry (DXA) scans. To this end, we train a transformer model that takes in the curve of the spine to predict curve progression. The model is trained using a large-scale synthetic dataset of spine curves and their time series, covering different curve types and different progression patterns. We show that the model is able to generalise from synthetic to real data by evaluating it on a dataset of real DXA scans covering multiple time points. We find that fine-tuning the model on real data gives a significant boost to performance. The model is able to accurately predict spine curve progression in both scoliosis and normal cases.
• Abstract（参考訳）: 思春期特発性強皮症は、青年期に発症する脊椎の外側曲率として定義され、原因不明である。 この状態は大きな痛みと障害をもたらし、青年期には急速に進行することが多い。 本研究の目的は,9歳から24歳までの時間周期における状態の進行をDXAスキャンを用いて予測することである。 この目的のために、回転の進行を予測するために、スピンの曲線を取り入れた変圧器モデルを訓練する。 このモデルは、スピン曲線とその時系列の大規模な合成データセットを用いて訓練され、異なる曲線タイプと異なる進行パターンをカバーしている。 複数の時間点をカバーする実DXAスキャンのデータセット上で,合成データから実データへの一般化が可能であることを示す。 実際のデータでモデルを微調整することで、パフォーマンスが大幅に向上することがわかった。 このモデルでは、スコリオーシスと正常症例の両方において、スピン曲線の進行を正確に予測することができる。

関連論文リスト

• Accurate Cobb Angle Estimation via SVD-Based Curve Detection and Vertebral Wedging Quantification [15.50536450875717]
  思春期特発性強皮症(AIS)は、世界中で約2.2%の男子と4.8%の女子に影響を及ぼす一般的な脊椎変形である。 従来の方法は、単純な脊椎モデルと、臨床の複雑さに対処できない所定の曲線パターンを使用する。 AIS評価のための新しい深層学習フレームワークを提案し,各椎骨について,上面と下面の両方の角度と,対応する中点座標を同時に予測する。
  論文  参考訳（メタデータ） (2025-09-29T15:07:55Z)
• 3D Spine Shape Estimation from Single 2D DXA [49.53978253009771]
  2次元DXAスキャンから3次元スピン形状を推定する自動フレームワークを提案する。 我々はDXAスキャンから脊椎の矢状視界を明示的に予測することでこれを実現する。
  論文  参考訳（メタデータ） (2024-12-02T13:58:26Z)
• CurvNet: Latent Contour Representation and Iterative Data Engine for Curvature Angle Estimation [50.71992730453576]
  CurvNetは曲率角推定フレームワークである。 我々は、画像自己生成、自動アノテーション、自動選択を備えたデータエンジンを開発する。 提案手法は,最先端のコブ角推定性能を実現する。
  論文  参考訳（メタデータ） (2024-11-19T16:07:58Z)
• Predicting Spine Geometry and Scoliosis from DXA Scans [49.68543422441626]
  まず、ニューラルネットワークをトレーニングして、スキャン中のミドルスピン曲線を予測し、次いで積分法を用いて、スピン曲線に沿った曲率を決定する。 最大曲率を評価関数として用いて, 脊椎変形の重症度を推定できることが示唆された。
  論文  参考訳（メタデータ） (2023-11-15T22:49:08Z)
• Towards Automatic Scoring of Spinal X-ray for Ankylosing Spondylitis [4.310687588548587]
  脊椎X線画像におけるStoke Ankylosing Spondylitis Spinal Score (mSASSS) による構造変化を手作業で評価することは、費用と時間を要する。 脊髄X線画像における頚椎・腰椎椎体(VUs)のmSASSSスコアを自動的に予測する2段階自動階調パイプラインVertXGradeNetを提案する。
  論文  参考訳（メタデータ） (2023-08-08T19:59:23Z)
• Benchmarking Continuous Time Models for Predicting Multiple Sclerosis Progression [46.394865849252696]
  多発性硬化症(英: multiple sclerosis)は、脳と脊髄に影響を及ぼす疾患であり、重度の障害を引き起こす可能性があり、既知の治療法がない。 最近の論文では, 成績評価と人口統計データを用いて, 疾患の進行を効果的に予測できることが示されている。 公開されている多発性硬化症データセットを用いて、4つの連続時間モデルをベンチマークする。 最高の継続的モデルは、しばしば最高のベンチマークされた個別の時間モデルより優れていることが分かりました。
  論文  参考訳（メタデータ） (2023-02-15T18:45:32Z)
• Scoliosis Detection using Deep Neural Network [0.0]
  脊柱側方屈曲症は若年層で診断されることが多い。 現在, 脊柱前方X線像を手動で観察し, 頭蓋狭窄を推定する金の基準となっている。 深層学習は、自動脊椎曲率推定において驚くべき成果を上げている。
  論文  参考訳（メタデータ） (2022-10-31T12:52:04Z)
• Deep Modeling of Growth Trajectories for Longitudinal Prediction of Missing Infant Cortical Surfaces [58.780482825156035]
  空間グラフ畳み込みニューラルネットワーク(GCNN)を用いた皮質表面の経時的予測法を提案する。 提案手法は,皮質成長軌跡をモデル化し,複数点の内曲面と外曲面を共同で予測する。 本手法が時間的皮質成長パターンの非線形性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2020-09-06T18:46:04Z)
• Analysis of Scoliosis From Spinal X-Ray Images [17.8260780895433]
  脊柱管の計測には脊椎のラベル付けと識別が必要である。 スコリオーシス(英: Scoliosis)は、脊椎が正常な形状から変形する先天性疾患である。 そこで本研究では,脊柱管狭窄計測に伴う脊椎の完全自動的,信頼性の高いセグメンテーションを提供するエンドツーエンドセグメンテーションモデルを提案する。
  論文  参考訳（メタデータ） (2020-04-15T05:36:28Z)

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。