論文の概要: Inferring the 3D Standing Spine Posture from 2D Radiographs
- arxiv url: http://arxiv.org/abs/2007.06612v2
- Date: Wed, 13 Jan 2021 15:15:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 00:33:42.219998
- Title: Inferring the 3D Standing Spine Posture from 2D Radiographs
- Title(参考訳): 2次元x線画像から3次元立脚姿勢を推定する
- Authors: Amirhossein Bayat, Anjany Sekuboyina, Johannes C. Paetzold, Christian
Payer, Darko Stern, Martin Urschler, Jan S. Kirschke, Bjoern H. Menze
- Abstract要約: このような生体力学的分析には、自然重み付け下での立位姿勢(立位)が不可欠である。
本稿では,脊椎に作用する新しいニューラルネットワークアーキテクチャであるemphTransVertを提案する。
- 参考スコア(独自算出の注目度): 5.114998342130747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The treatment of degenerative spinal disorders requires an understanding of
the individual spinal anatomy and curvature in 3D. An upright spinal pose (i.e.
standing) under natural weight bearing is crucial for such bio-mechanical
analysis. 3D volumetric imaging modalities (e.g. CT and MRI) are performed in
patients lying down. On the other hand, radiographs are captured in an upright
pose, but result in 2D projections. This work aims to integrate the two realms,
i.e. it combines the upright spinal curvature from radiographs with the 3D
vertebral shape from CT imaging for synthesizing an upright 3D model of spine,
loaded naturally. Specifically, we propose a novel neural network architecture
working vertebra-wise, termed \emph{TransVert}, which takes orthogonal 2D
radiographs and infers the spine's 3D posture. We validate our architecture on
digitally reconstructed radiographs, achieving a 3D reconstruction Dice of
$95.52\%$, indicating an almost perfect 2D-to-3D domain translation. Deploying
our model on clinical radiographs, we successfully synthesise full-3D, upright,
patient-specific spine models for the first time.
- Abstract(参考訳): 変性性脊椎疾患の治療には、個々の脊髄解剖学と3Dの曲率の理解が必要である。
このような生体力学的解析には、自然重量軸受下での直立姿勢(すなわち立位)が不可欠である。
3Dボリューム・モダリティ(CTやMRIなど)は、横たわる患者に対して行われる。
一方、X線写真は直立したポーズで撮影されるが、2次元投影の結果となる。
この研究は、x線写真からの直立性脊椎曲率とct画像からの3次元椎体形状を組み合わせることで、自然にロードされる直立性脊椎の3dモデルを合成することを目的としている。
具体的には, 2次元x線撮影を行い, 脊椎の3次元姿勢を推定する新しいニューラルネットワークアーキテクチャ, \emph{transvert} を提案する。
我々は,デジタルで再構成したラジオグラフィのアーキテクチャを検証し,ほぼ完璧な2D-to-3Dドメイン変換を示すDiceの3D再構成を95.52.%で達成した。
臨床用X線写真にモデルを配置し, フル3D, アップライト, 患者固有の脊椎モデルを初めて合成した。
関連論文リスト
- 3D Structure-guided Network for Tooth Alignment in 2D Photograph [51.9046939030457]
矯正治療に先立って歯列が整列した2次元写真は, 効果的な歯科医療コミュニケーションに不可欠である。
本稿では2次元画像空間内の歯を入力として2次元写真を取り,アライメントする3次元構造誘導歯列ネットワークを提案する。
本研究は, 各種顔写真におけるネットワークの評価を行い, 歯科矯正産業における特筆すべき性能と高い適用性を示した。
論文 参考訳(メタデータ) (2023-10-17T09:44:30Z) - 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) - Oral-3Dv2: 3D Oral Reconstruction from Panoramic X-Ray Imaging with
Implicit Neural Representation [3.8215162658168524]
Oral-3Dv2は、単一のパノラマX線画像から3Dラジオロジーを再構成する非逆学習モデルである。
本モデルは,2次元座標を3次元空間内のボクセルの密度値にマッピングすることにより,暗黙的に3次元口腔構造を表現することを学習する。
我々の知る限りでは、これは1枚のパノラマX線画像から3Dラジオグラフィ再構成における非逆学習モデルの最初の作品である。
論文 参考訳(メタデータ) (2023-03-21T18:17:27Z) - Improving 3D Imaging with Pre-Trained Perpendicular 2D Diffusion Models [52.529394863331326]
本稿では,2つの垂直2次元拡散モデルを用いて3次元逆問題の解法を提案する。
MRI Z軸超解像, 圧縮センシングMRI, スパースCTなどの3次元医用画像再構成作業に有効である。
論文 参考訳(メタデータ) (2023-03-15T08:28:06Z) - CNN-based real-time 2D-3D deformable registration from a single X-ray
projection [2.1198879079315573]
本稿では, フルオロスコープ画像を用いたリアルタイム2D-3D非剛体登録法を提案する。
術前スキャンから解剖学の変位場と2次元投影からなるデータセットを生成する。
ニューラルネットワークは、未知の3D変位場を単一の投影画像から回復するように訓練される。
論文 参考訳(メタデータ) (2022-12-15T09:57:19Z) - 2D/3D Deep Image Registration by Learning 3D Displacement Fields for
Abdominal Organs [1.9949261242626626]
本稿では,3Dボリュームと単一視点2D投影画像間の2D/3D変形可能な画像登録を実現する教師付きディープラーニングフレームワークを提案する。
提案手法は,対象2次元投影画像と初期3次元体積から3次元変位場への変換を学習する。
論文 参考訳(メタデータ) (2022-12-11T08:36:23Z) - IGCN: Image-to-graph Convolutional Network for 2D/3D Deformable
Registration [1.2246649738388387]
単一視点2次元投影画像に対する3次元臓器メッシュの変形可能な登録を実現する画像間畳み込みネットワークを提案する。
複数臓器間の関係を考慮に入れた形状予測は, 臨床的に許容できる精度で放射線像からの呼吸運動と変形を予測するのに有用である。
論文 参考訳(メタデータ) (2021-10-31T12:48:37Z) - 3D Reconstruction of Curvilinear Structures with Stereo Matching
DeepConvolutional Neural Networks [52.710012864395246]
本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。
主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
論文 参考訳(メタデータ) (2021-10-14T23:05:47Z) - 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) - XraySyn: Realistic View Synthesis From a Single Radiograph Through CT
Priors [118.27130593216096]
放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。
私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。
本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
論文 参考訳(メタデータ) (2020-12-04T05:08:53Z) - End-To-End Convolutional Neural Network for 3D Reconstruction of Knee
Bones From Bi-Planar X-Ray Images [6.645111950779666]
両平面X線画像から直接膝骨を3次元再構成するためのエンドツーエンド畳み込みニューラルネットワーク(CNN)を提案する。
論文 参考訳(メタデータ) (2020-04-02T08:37:11Z)
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。