論文の概要: MedBOE: Optimization-Based Estimation of Complete Patient Body Models from Whole-Body Medical Imaging
- arxiv url: http://arxiv.org/abs/2610.28985v1
- Date: Tue, 20 Oct 2026 23:27:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.159584
- Title: MedBOE: Optimization-Based Estimation of Complete Patient Body Models from Whole-Body Medical Imaging
- Title（参考訳）: MedBOE:全体医用画像からの全身モデルの最適化に基づく評価
- Abstract要約: 医療用ボディーモデル最適化型エスタ(MedBOE)
全身画像から全身領域を欠く患者体モデルを推定するための、自動訓練不要のフレームワーク。
- 参考スコア（独自算出の注目度）: 9.044364605370314
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: True whole-body medical imaging captures a patient from head to toe and provides comprehensive anatomical and/or functional information. This coverage enables reconstruction of the external body surface, yielding patient body models. However, scanner geometry (e.g., bore diameter), patient characteristics, and positioning can leave body regions missing (e.g., lateral arms/torso, hands, forearms, elbows), producing incomplete patient body models. Such incompleteness limits downstream medical analyses, including derivation of body-habitus metrics (BHMs), such as body volume and surface area, for injected radiotracer activity regimens, cardiometabolic risk assessment, and computational anatomical modeling for medical imaging simulation and radiation dosimetry. We present the Medical Body model Optimization-based Estimator (MedBOE), an automated, training-free framework for estimating complete patient body models from whole-body images with missing body regions. Our innovation is to leverage the Skinned Multi-Person Linear (SMPL) template, a parametric body mesh representing a broad range of body shapes and poses, in medical imaging. MedBOE aligns the SMPL template to the incomplete patient body models via attribute-guided optimization and estimates missing body regions through geometrically and volumetrically constrained deformation. We evaluated MedBOE using two public datasets: AutoPET (91 whole-body PET-CT images) and Human Implicit Tissues (HIT; 40 whole-body segmentations from MRI images). MedBOE achieved the best overall volumetric and geometric performance among evaluated methods. BHMs derived from MedBOE were within 2% error, suggesting low percentage errors for downstream analyses. MedBOE offers an automated, training-free method for estimating complete patient body models from whole-body images with missing body regions.
- Abstract（参考訳）: 真の全身医療画像は、患者を頭からつま先まで捉え、包括的な解剖学的および/または機能的な情報を提供する。
このカバレッジは、患者の体モデルを生成する外部の体表面の再構築を可能にする。
しかし、スキャナー幾何学(eg、ボア直径)、患者の特徴、位置決めは身体領域を欠く(eg、横腕、手、前腕、肘)ことができ、不完全な患者体モデルを生成する。
このような不完全性は、体容積や体表面積などのBHMs(Body-habitus Metrics)の導出を含む下流の医療分析を制限し、注入された放射性物質活性レギュラー、心メタボリックリスクアセスメント、医用画像シミュレーションと放射線線量測定のための計算解剖学的モデリングを行う。
MedBOE(Med Body Model Optimization-based Estimator)は、全身画像から全身領域の欠如を推定する自動トレーニングフリーフレームワークである。
Skinned Multi-Person Linear(SMPL)テンプレートは、幅広い身体形状やポーズを表すパラメトリックなボディメッシュで、医療画像に利用することを目的としています。
MedBOEはSMPLテンプレートを属性誘導最適化により不完全な患者体モデルに整列し、幾何学的および体積的に制約された変形によって行方不明の身体領域を推定する。
我々は、AutoPET(91体PET-CT画像)とHIT(Human Implicit tissues)の2つの公開データセットを用いて、MedBOEを評価した。
MedBOEは評価手法の中で最高の体積および幾何学的性能を達成した。
MedBOE由来のBHMは2%以下の誤差であり,下流解析では低い割合の誤差が示唆された。
MedBOEは、身体領域を欠いた全身画像から完全な患者体モデルを推定するための、自動でトレーニング不要な方法を提供する。
関連論文リスト
- SAMe: A Semantic Anatomy Mapping Engine for Robotic Ultrasound [60.64817443833982]
本稿では,ロボット超音波に解剖学的先行層を明示する意味解剖マッピングエンジンSAMeを提案する。
SAMeはスキャン開始をターゲット・トゥ・アノプティ・トゥ・アクションのプロセスとして扱う。
単一の外部画像から、接地対象に対する患者固有の解剖学的表現をインスタンス化する。
論文 参考訳（メタデータ） (2026-04-28T13:44:09Z) - Automated Muscle and Fat Segmentation in Computed Tomography for Comprehensive Body Composition Analysis [13.839714715661438]
我々は,CTの身体組成分析に特化して,一般にアクセス可能なエンドツーエンドのセグメンテーションと特徴計算モデルを提案する。
本モデルでは, 胸部, 腹部, 骨盤領域における骨格筋, 皮下脂肪組織 (SAT) , 内臓脂肪組織 (VAT) の分画を行う。
また、筋肉密度、内臓-皮下脂肪比(SAT/SAT)、筋肉面積/体積、骨格筋指数(SMI)など、様々な身体組成指標も提供する。
論文 参考訳（メタデータ） (2025-02-13T21:27:10Z) - Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。
我々は,脳MRIと胸部X線による3つの時系列的ベンチマークデータセットを用いて,対物画像生成法について検討した。
論文 参考訳（メタデータ） (2024-12-30T01:59:34Z) - Divide and Fuse: Body Part Mesh Recovery from Partially Visible Human Images [57.479339658504685]
ディバイドとフューズ」戦略は、人体部分を融合する前に独立して再構築する。
Human Part Parametric Models (HPPM) は、いくつかの形状とグローバルな位置パラメータからメッシュを独立に再構築する。
特別に設計された融合モジュールは、一部しか見えない場合でも、再建された部品をシームレスに統合する。
論文 参考訳（メタデータ） (2024-07-12T21:29:11Z) - Psychometry: An Omnifit Model for Image Reconstruction from Human Brain Activity [60.983327742457995]
人間の脳活動から見るイメージを再構築することで、人間とコンピュータのビジョンをBrain-Computer Interfaceを通して橋渡しする。
異なる被験者から得られた機能的磁気共鳴イメージング(fMRI)による画像再構成のための全能モデルであるサイコメトリを考案した。
論文 参考訳（メタデータ） (2024-03-29T07:16:34Z) - BOSS: Bones, Organs and Skin Shape Model [10.50175010474078]
我々は,CT画像から学習した皮膚,内臓,骨を結合した変形可能な人体形状とポーズモデルを提案する。
確率的PCAを用いて、ポーズ正規化空間の統計的変動をモデル化することにより、本手法は身体の全体像を提供する。
論文 参考訳（メタデータ） (2023-03-08T22:31:24Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - Body Part Regression for CT Images [0.0]
CTボリュームの自己教師付き身体部分回帰モデルを開発し、異種CT研究の収集に基づいて訓練した。
本研究は, このアルゴリズムが医療モデルの医院への堅牢かつ信頼性の高い移行にどのように貢献するかを示す。
論文 参考訳（メタデータ） (2021-10-18T10:03:42Z) - Comprehensive Validation of Automated Whole Body Skeletal Muscle,
Adipose Tissue, and Bone Segmentation from 3D CT images for Body Composition
Analysis: Towards Extended Body Composition [0.6176955945418618]
ディープラーニングのような強力な人工知能のツールは、3D画像全体を分割し、すべての内部解剖の正確な測定を生成することができるようになった。
これにより、これまで存在した深刻なボトルネック、すなわち手動セグメンテーションの必要性の克服が可能になる。
これらの測定は不可能であったため、フィールドを非常に小さく限られたサブセットに制限した。
論文 参考訳（メタデータ） (2021-06-01T17:30:45Z) - iPhantom: a framework for automated creation of individualized
computational phantoms and its application to CT organ dosimetry [58.943644554192936]
本研究の目的は、患者固有の幻覚やデジタル双眼鏡の自動作成のための新しいフレームワーク、iPhantomを開発し、検証することである。
この枠組みは、個々の患者のCT画像における放射線感受性臓器への放射線線量を評価するために応用される。
iPhantomは、アンカーオルガンのDice similarity Coefficients (DSC) >0.6の精度で全ての臓器の位置を正確に予測し、他のオルガンのDSCは0.3-0.9である。
論文 参考訳（メタデータ） (2020-08-20T01:50:49Z)
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。