論文の概要: Robust Self-Supervised Learning of Deterministic Errors in Single-Plane
(Monoplanar) and Dual-Plane (Biplanar) X-ray Fluoroscopy
- arxiv url: http://arxiv.org/abs/2001.00686v1
- Date: Fri, 3 Jan 2020 01:56:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-14 17:36:26.478381
- Title: Robust Self-Supervised Learning of Deterministic Errors in Single-Plane
(Monoplanar) and Dual-Plane (Biplanar) X-ray Fluoroscopy
- Title（参考訳）: 単平面(単平面)と双平面(双平面)x線透視における決定論的誤差のロバスト自己教師あり学習
- Authors: Jacky C.K. Chow, Steven K. Boyd, Derek D. Lichti and Janet L. Ronsky
- Abstract要約: ビデオフレームレートでX線像を撮影する蛍光画像は、血管外科医や介入放射線技師によるカテーテル挿入を導くのに有利である。
ダイナミックな動きを非侵襲的に可視化することで、複雑な手術を患者に対してより少ない外傷で行うことができる。
本稿では,単平面および二重平面蛍光法に適した頑健な自己校正アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 2.7528170226206443
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fluoroscopic imaging that captures X-ray images at video framerates is
advantageous for guiding catheter insertions by vascular surgeons and
interventional radiologists. Visualizing the dynamical movements non-invasively
allows complex surgical procedures to be performed with less trauma to the
patient. To improve surgical precision, endovascular procedures can benefit
from more accurate fluoroscopy data via calibration. This paper presents a
robust self-calibration algorithm suitable for single-plane and dual-plane
fluoroscopy. A three-dimensional (3D) target field was imaged by the
fluoroscope in a strong geometric network configuration. The unknown 3D
positions of targets and the fluoroscope pose were estimated simultaneously by
maximizing the likelihood of the Student-t probability distribution function. A
smoothed k-nearest neighbour (kNN) regression is then used to model the
deterministic component of the image reprojection error of the robust bundle
adjustment. The Maximum Likelihood Estimation step and the kNN regression step
are then repeated iteratively until convergence. Four different error modeling
schemes were compared while varying the quantity of training images. It was
found that using a smoothed kNN regression can automatically model the
systematic errors in fluoroscopy with similar accuracy as a human expert using
a small training dataset. When all training images were used, the 3D mapping
error was reduced from 0.61-0.83 mm to 0.04 mm post-calibration (94.2-95.7%
improvement), and the 2D reprojection error was reduced from 1.17-1.31 to
0.20-0.21 pixels (83.2-83.8% improvement). When using biplanar fluoroscopy, the
3D measurement accuracy of the system improved from 0.60 mm to 0.32 mm (47.2%
improvement).
- Abstract（参考訳）: ビデオフレームレートでX線像を撮影する蛍光画像は、血管外科医や介入放射線技師によるカテーテル挿入を導くのに有利である。
ダイナミックな動きを非侵襲的に可視化することで、複雑な手術を患者に対してより少ない外傷で行うことができる。
外科的精度を向上させるために、血管内手術は校正によるより正確な蛍光データから恩恵を受けることができる。
本稿では,単平面および双平面蛍光法に適したロバスト自己校正アルゴリズムを提案する。
フルオロスコープで3次元(3D)ターゲットフィールドを強力な幾何学的ネットワーク構成で撮像した。
学生t確率分布関数の確率を最大化することにより,ターゲットの未知の3次元位置と蛍光ポーズを同時に推定した。
次に、滑らかなk-ネアレスト近傍(knn)回帰を用いて、ロバストバンドル調整の像再投影誤差の決定論的成分をモデル化する。
最大類似度推定ステップとkNN回帰ステップは、収束するまで反復的に繰り返される。
トレーニング画像の量を変えながら、4つの異なる誤差モデリングスキームを比較した。
その結果,スムーズドkn回帰を用いることで,小型のトレーニングデータセットを用いて,人間専門家と同様の精度で蛍光検査における系統的誤りを自動的にモデル化できることが判明した。
全てのトレーニング画像を使用すると、3dマッピングの誤差は 0.61-0.83 mm から 0.04 mm に減らされ(94.2-95.7%改善)、2d再投影誤差は 1.17-1.31 から 0.20-0.21 ピクセルに減らされた(83.2-83.8%改善)。
両平面蛍光法を用いると、システムの3次元計測精度は 0.60 mm から 0.32 mm (47.2% 改善) に向上した。
関連論文リスト
- Deep-Motion-Net: GNN-based volumetric organ shape reconstruction from single-view 2D projections [1.8189671456038365]
放射線治療中に3次元臓器形状を再構成できるエンドツーエンドのグラフニューラルネットワークアーキテクチャを提案する。
提案モデルは、患者固有のテンプレートと、任意の投影角度でkV画像から抽出した深い特徴からメッシュ回帰を学習する。
総合的枠組みは, 合成呼吸運動のシナリオを定量的に検討し, 肝癌患者に対するフルスキャンで得られた内処理画像について質的に検討した。
論文 参考訳（メタデータ） (2024-07-09T09:07:18Z) - Intraoperative 2D/3D Image Registration via Differentiable X-ray Rendering [5.617649111108429]
DiffPoseは、患者固有のシミュレーションと微分可能な物理ベースのレンダリングを利用して、手動でラベル付けされたデータに頼ることなく正確な2D/3D登録を実現する自己教師型アプローチである。
DiffPoseは手術用データセット全体の術速でサブミリ精度を達成し、既存の教師なしの手法を桁違いに改善し、教師付きベースラインよりも優れています。
論文 参考訳（メタデータ） (2023-12-11T13:05:54Z) - X-Ray to CT Rigid Registration Using Scene Coordinate Regression [1.1687067206676627]
本稿では,極端視点に頑健な完全自動登録手法を提案する。
これは、与えられたX線画像の重なり合う座標を回帰する完全な畳み込みニューラルネットワーク(CNN)に基づいている。
提案手法は, 模擬試験データセットの50パーセンタイルにおける平均平均目標登録誤差(mTRE)を3.79mmとし, ペルビス登録のための実フルオロスコープ画像の50パーセンタイルにおける平均目標登録誤差(mTRE)を9.65mmと予測した。
論文 参考訳（メタデータ） (2023-11-25T17:48:46Z) - The Impact of Loss Functions and Scene Representations for 3D/2D
Registration on Single-view Fluoroscopic X-ray Pose Estimation [1.758213853394712]
我々はまずデジタル再構成ラジオグラフィー(DRR)の効率的な計算のための微分可能プロジェクションレンダリングフレームワークを開発する。
次に, 合成したDRRの画像差を, 地表面の蛍光X線画像に対して定量化する, 様々な候補損失関数を用いて, 反復降下によるポーズ推定を行う。
Mutual Information Loss を用いて,50 人の頭蓋骨の断層X線データを用いて行ったポーズ推定を総合的に評価した結果,DiffProj における識別 (CBCT) とニューラル (NeTT/mNeRF) のシーン表現のどちらを用いたかが示唆された。
論文 参考訳（メタデータ） (2023-08-01T01:12:29Z) - A Spatiotemporal Model for Precise and Efficient Fully-automatic 3D
Motion Correction in OCT [10.550562752812894]
OCT機器は網膜を横断する焦点スポットをバイスキャンし、断面画像を取得してデータを生成する。
非剛性で歪んだ歪みが発生し、データのギャップが生じる。
本稿では,新しい歪みモデルとそれに対応する完全自動参照フリーな計算ロバスト性最適化戦略を提案する。
論文 参考訳（メタデータ） (2022-09-15T11:48:53Z) - Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
論文 参考訳（メタデータ） (2021-07-08T15:19:36Z) - Robust 360-8PA: Redesigning The Normalized 8-point Algorithm for 360-FoV
Images [53.11097060367591]
球面投影における360-fov画像から本質行列を推定する新しい手法を提案する。
我々の正規化は、時間を大幅に上回ることなく、カメラの精度を約20%向上させることができることを示す。
論文 参考訳（メタデータ） (2021-04-22T07:23:11Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。
本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文 参考訳（メタデータ） (2020-10-05T14:18:52Z) - Cephalometric Landmark Regression with Convolutional Neural Networks on
3D Computed Tomography Data [68.8204255655161]
側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。
本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。
本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
論文 参考訳（メタデータ） (2020-07-20T12:45:38Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z)
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。