論文の概要: Non-rigid Registration Method between 3D CT Liver Data and 2D Ultrasonic Images based on Demons Model

• arxiv url: http://arxiv.org/abs/2001.00035v1
• Date: Tue, 31 Dec 2019 19:01:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-16 21:19:43.316723
• Title: Non-rigid Registration Method between 3D CT Liver Data and 2D Ultrasonic Images based on Demons Model
• Title（参考訳）: デーモンモデルに基づく3次元ct肝データと2次元超音波画像の非剛性登録法
• Authors: Shuo Huang, Ke wu, Xiaolin Meng and Cheng Li
• Abstract要約: 肝のCTデータと超音波画像の非厳密な登録は、診断と治療を容易にする。 Demonsモデルの登録精度を向上させるため,新しい境界抽出・拡張手法が提案されている。 実験の結果,提案手法は高精度な登録結果が得られることがわかった。
• 参考スコア（独自算出の注目度）: 8.156742697065605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The non-rigid registration between CT data and ultrasonic images of liver can facilitate the diagnosis and treatment, which has been widely studied in recent years. To improve the registration accuracy of the Demons model on the non-rigid registration between 3D CT liver data and 2D ultrasonic images, a novel boundary extraction and enhancement method based on radial directional local intuitionistic fuzzy entropy in the polar coordinates has been put forward, and a new registration workflow has been provided. Experiments show that our method can acquire high-accuracy registration results. Experiments also show that the accuracy of the results of our method is higher than that of the original Demons method and the Demons method using simulated ultrasonic image by Field II. The operation time of our registration workflow is about 30 seconds, and it can be used in the surgery.
• Abstract（参考訳）: 肝のCTデータと超音波画像の非厳密な登録は診断と治療を容易にし,近年広く研究されている。 3次元ct肝データと2次元超音波画像との非剛性登録に関するデーモンズモデルの登録精度を向上させるため、極座標におけるラジアル方向局所直観的ファジィエントロピーに基づく新しい境界抽出・拡張法が提案され、新たな登録ワークフローが提供された。 実験により,本手法は高精度な登録結果を得ることができることを示した。 また, 本手法の精度は, フィールドiiによる模擬超音波画像を用いた元のデーモン法, デーモン法よりも高いことがわかった。 登録ワークフローの操作時間は30秒程度で,手術に使用することができる。

関連論文リスト

• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• ORRN: An ODE-based Recursive Registration Network for Deformable Respiratory Motion Estimation with Lung 4DCT Images [7.180268723513929]
  変形可能な画像登録(DIR)は、医療データにおける変形の定量化に重要な役割を果たす。 近年のDeep Learning法では,医用画像の登録に有望な精度とスピードアップが示されている。 本稿では,正規微分方程式(ODE)に基づく再帰画像登録ネットワークORRNを提案する。
  論文  参考訳（メタデータ） (2023-05-24T03:26:26Z)
• Using Spatio-Temporal Dual-Stream Network with Self-Supervised Learning for Lung Tumor Classification on Radial Probe Endobronchial Ultrasound Video [0.0]
  肺がんの生検の過程で、医師はリアルタイム超音波画像を使用して、サンプリングに適した病変を見つける。 これまでの研究では良性肺病変と悪性肺病変を効果的に区別するために2D畳み込みニューラルネットワークを用いてきた。 本研究では,3次元ニューラルネットワークに基づく自動診断システムを設計する。
  論文  参考訳（メタデータ） (2023-05-04T10:39:37Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Fluid registration between lung CT and stationary chest tomosynthesis images [23.239722016943794]
  計測された投影とデジタル再構成されたラジオグラフに基づいて3次元変形を推定する3D/2D登録手法を定式化する。 我々は,CTと静止胸部トモシンセシス(sDCT)画像の登録に対するアプローチを実証し,それが反復的画像再構成アプローチにどのように自然に導かれるかを示した。
  論文  参考訳（メタデータ） (2022-03-06T21:51:49Z)
• The interpretation of endobronchial ultrasound image using 3D convolutional neural network for differentiating malignant and benign mediastinal lesions [3.0969191504482247]
  本研究の目的は,内胚葉超音波(EBUS)画像を用いて悪性病変と良性病変を鑑別することである。 我々のモデルはノイズに耐性があり、EBUSビデオの様々な画像特徴と願望を融合させることができる。
  論文  参考訳（メタデータ） (2021-07-29T08:38:17Z)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)
• 3D deformable registration of longitudinal abdominopelvic CT images using unsupervised deep learning [1.1994327533877143]
  本研究では,非教師付きディープラーニングフレームワークであるVoxelMorphを用いて,縦型腹部CT画像の変形性登録を行う。 CT画像は、CTテーブルと他のすべての体外成分を自動的に除去することにより、登録前に精査された。 連続したCT画像の模擬変形に基づく新しい漸進的トレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2020-05-15T13:49:13Z)

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。