Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Bone Remodeling01:40

Bone Remodeling

40.2K
Bone remodeling is a continuous and balanced process of bone resorption by osteoclasts and bone formation by osteoblasts. In adults, it helps maintain bone mass and calcium homeostasis. While mechanical stress can stimulate turnover as part of the normal maintenance and reparative process, several hormones also regulate bone remodeling.
40.2K
Changes in the Appendicular Skeleton with Age01:09

Changes in the Appendicular Skeleton with Age

3.3K
The upper and lower limb initially develops as a small bulge called a limb bud, which appears on the lateral side of the early embryo. The upper limb bud appears near the end of the fourth week of development, with the lower limb bud appearing shortly after.
Initially, the limb buds consist of a core of mesenchyme covered by a layer of ectoderm. The ectoderm at the end of the limb bud thickens to form a narrow crest called the apical ectodermal ridge. This ridge stimulates the underlying...
3.3K
Classification of Bones01:18

Classification of Bones

9.5K
The bones of the human skeletal system are of varied shapes, sizes, and functions. They can be classified based on their shape and function into four major classes: long bones, short bones, flat bones, and irregular bones. Some classifications include a fifth type, the sesamoid bones, as a separate class, whereas others categorize them under short bones.
Long and Short Bones
The appendicular skeleton, particularly the upper and lower limbs, is primarily made of long and short bones. The...
9.5K
Bone Structure01:55

Bone Structure

51.4K
Within the skeletal system, the structure of a bone, or osseous tissue, can be exemplified in a long bone, like the femur, where there are two types of osseous tissue: cortical and cancellous.
51.4K
Bone Formation by Endochondral Ossification01:24

Bone Formation by Endochondral Ossification

8.3K
Bone formation, or ossification, begins around the sixth to seventh week of embryonic development. Most bones develop from a cartilaginous template through the process of endochondral ossification. Cartilage formation begins when clusters of mesenchymal cells differentiate into chondrocytes. These chondrocytes proliferate rapidly and secrete an extracellular matrix that becomes encased in a membrane called the perichondrium. The resulting cartilage model provides a template that resembles the...
8.3K
Growth of Cartilage and Bone Tissue01:27

Growth of Cartilage and Bone Tissue

4.0K
Chondrocytes form a temporary cartilaginous model by dividing and secreting a thick gel-like extracellular matrix. Once the chondrocytes undergo programmed cell death, osteoblasts enter the site of the cartilaginous model. The process of replacing the temporary cartilaginous model with bone in an ordered manner is called endochondral ossification. In endochondral ossification, not all of the cartilage is replaced by bone tissue. Some cartilage that performs a protective and supportive function...
4.0K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Hybrid Forecast-Enabled Adaptive Crowbar Coordination for LVRT Enhancement in DFIG Wind Turbines.

Entropy (Basel, Switzerland)·2026
Same author

Lightweight 3D CNN for MRI Analysis in Alzheimer's Disease: Balancing Accuracy and Efficiency.

Journal of imaging·2025
Same author

Self-learning model fusion for network anomaly detection: A hybrid CNN-LSTM-transformer framework.

PloS one·2025
Same author

Left ventricular segmentation method based on optimized UNet and improved CBAM: ESV and EDV tracking study.

PloS one·2025

関連する実験動画

Updated: Jan 13, 2026

Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable
09:24

Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable

Published on: May 17, 2024

2.1K

骨年齢評価のための発達段階認識型グラフ・トランスフォーマー・フレームワークの開発

Kerang Cao1,2, Chang Liu1,2, Jiaming Du1,2

  • 1College of Computer Science and Technology, Shenyang University of Chemical Technology, Shenyang, China.

Quantitative imaging in medicine and surgery
|January 12, 2026
PubMed
まとめ

この研究では、高い精度と解釈可能性を達成する自動骨年齢評価のための新しいフレームワークを紹介します。発達段階認識型グラフ・トランスフォーマー・フレームワーク（DSGTF）は、小児の成長モニタリングと内分泌疾患の診断を改善します。

キーワード:
骨年齢評価深層学習発達段階認識グラフニューラルネットワーク（GNN）トランスフォーマー

さらに関連する動画

Scanning Skeletal Remains for Bone Mineral Density in Forensic Contexts
07:56

Scanning Skeletal Remains for Bone Mineral Density in Forensic Contexts

Published on: January 29, 2018

18.1K
Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model
07:12

Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model

Published on: September 28, 2017

8.6K

関連する実験動画

Last Updated: Jan 13, 2026

Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable
09:24

Quantified Assessment of Infant's Gross Motor Abilities Using a Multisensor Wearable

Published on: May 17, 2024

2.1K
Scanning Skeletal Remains for Bone Mineral Density in Forensic Contexts
07:56

Scanning Skeletal Remains for Bone Mineral Density in Forensic Contexts

Published on: January 29, 2018

18.1K
Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model
07:12

Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model

Published on: September 28, 2017

8.6K

科学分野:

  • 医用画像処理
  • 人工知能
  • 小児内分泌学

背景:

  • 骨年齢評価は、小児の成長モニタリングおよび内分泌疾患の診断に不可欠です。
  • 従来の（Greulich-Pyle、Tanner-Whitehouse）方法は主観的、複雑、時間がかかります。
  • 既存の自動化された方法は、効果的な領域強調と解剖学的関連性の捉え方に欠けています。

研究 の 目的:

  • 解剖学的知識と発達段階認識を統合した自動骨年齢評価のための新しいフレームワークを開発すること。
  • 自動骨年齢評価の精度と解釈可能性を向上させること。
  • 現在の手動および自動評価技術の限界に対処すること。

主な方法:

  • 発達段階認識型グラフ・トランスフォーマー・フレームワーク（DSGTF）を開発しました。
  • フレームワークは、画像前処理、主要領域検出、および特徴抽出を統合します。
  • グラフ・トランスフォーマー構造は、発達段階認識型モジュールによって適応処理のために強化された解剖学的関係をモデル化します。

主要な成果:

  • DSGTFモデルは4.82か月の平均絶対誤差（MAE）を達成しました。
  • 異なる年齢層および性別（MAE 3.39-6.03か月）で一貫したパフォーマンスが観察されました。
  • モデルは画像変換に対して頑健性を示し、安定したパフォーマンスと最小限のMAE増加を示しました。

結論:

  • DSGTFフレームワークは、正確で効率的で解釈可能な自動骨年齢評価ソリューションを提供します。
  • このアプローチは、臨床応用に信頼できる強力な安定性と一貫性を示しています。
  • モデルは、放射線科医の意思決定を模倣して、発達段階に基づいて骨格領域への注意を動的に調整します。