文献

J-GLOBAL ID：202002218366565675   整理番号：20A2274849

部分観測からの統計的全脊椎モデルの学習【JST・京大機械翻訳】

Learning a Statistical Full Spine Model from Partial Observations

著者 (5件)： Meng Di (Inria, Univ. Grenoble Alpes, CNRS, Grenoble INP, LJK, Grenoble, France) ,  Keller Marilyn (Max Planck Institute for Intelligent Systems, Tuebingen, Germany) ,  Boyer Edmond (Inria, Univ. Grenoble Alpes, CNRS, Grenoble INP, LJK, Grenoble, France) ,  Black Michael (Max Planck Institute for Intelligent Systems, Tuebingen, Germany) ,  Pujades Sergi (Inria, Univ. Grenoble Alpes, CNRS, Grenoble INP, LJK, Grenoble, France)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12474  ページ： 122-133  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ヒト脊椎の形態の研究は,画像分割,生体力学または病理学検出のような,その多くの潜在的用途のために,研究注目を引きつけた。しかし,今日では,完全脊椎の3D表面の公的に利用可能な統計モデルは存在しない。これは,主に完全な脊椎が画像化され,分割されるオープンに利用可能な3Dデータの欠如による。本論文では,脊椎の部分および不完全視野から,完全脊椎(7頚部,12胸および5腰椎)の統計的表面モデルを学習することを提案する。部分観察を扱うために,確率的主成分分析(PPCA)を用いて,全脊椎の表面形状モデルを学習した。定量的評価は,得られたモデルが低次元空間における母集団の形状を忠実に捕捉し,左外データに一般化することを示した。さらに,このモデルが椎骨形状間の大域的相関を忠実に捉えることを示した。脊椎の部分的な観察,すなわち,少数の椎骨を与えられた場合,モデルは3mm以下の平均誤差で,非seen椎骨の形状を予測することができる。フルスピン統計モデルをVerSe 2019公共データセットで訓練し,非商業目的のコミュニティに公開されている。()。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コミュニティ ,  ヒト ,  *脊柱 ,  統計模型 ,  腰椎 ,  三次元 ,  母集団 ,  主成分分析 ,  生体力学
準シソーラス用語： 画像化 ,  椎骨 ,  画像セグメンテーション ,  表面形状 ,  定量的評価 ,  三次元データ , 【Automatic Indexing@JST】

著者キーワード (3件)： 脊椎統計モデル ,  椎骨表面 ,  不完全データ

分類 (2件)： 医用画像処理  (JE04020T) ,  運動器系の疾患  (GG03000T)

タイトルに関連する用語 (5件)： 観測 ,  統計 ,  脊椎 ,  モデル ,  学習