Fugu-MT 論文翻訳(概要): Robust Skeletonization for Plant Root Structure Reconstruction from MRI

論文の概要: Robust Skeletonization for Plant Root Structure Reconstruction from MRI

arxiv url: http://arxiv.org/abs/2010.14440v1
Date: Tue, 27 Oct 2020 16:54:40 GMT
ステータス: 処理完了
システム内更新日: 2022-10-02 12:24:12.483463
Title: Robust Skeletonization for Plant Root Structure Reconstruction from MRI
Title（参考訳）: MRIを用いた植物根構造再構築のためのロバスト骨格化
Authors: Jannis Horn, Yi Zhao, Nils Wandel, Magdalena Landl, Andrea Schnepf, and Sven Behnke
Abstract要約: MRIスキャンによる植物の根の構造再構築のための2段階のアプローチを提案する。第1段階はセマンティック・ルートと土壌のセグメンテーションに基づいており、どのルート・ボクセルからシュートまでの最低コストの経路を見つける。第2段階は第1段階で生成された最大の完全連結成分を取り、3Dスケルトン化を用いてグラフ構造を抽出する。
参考スコア（独自算出の注目度）: 20.758304602972764
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Structural reconstruction of plant roots from MRI is challenging, because of low resolution and low signal-to-noise ratio of the 3D measurements which may lead to disconnectivities and wrongly connected roots. We propose a two-stage approach for this task. The first stage is based on semantic root vs. soil segmentation and finds lowest-cost paths from any root voxel to the shoot. The second stage takes the largest fully connected component generated in the first stage and uses 3D skeletonization to extract a graph structure. We evaluate our method on 22 MRI scans and compare to human expert reconstructions.
Abstract（参考訳）: MRIからの植物根の構造的再構成は、低分解能と低信号-雑音比により、不連結性や誤った結合根につながる可能性があるため困難である。我々はこの課題に対して2段階のアプローチを提案する。第1段階はセマンティクスルート対土壌セグメンテーションに基づいており、ルートボクセルからシュートまでの最低コストパスを見つける。第2段階は第1段階で生成された最大の完全連結成分を取り、3Dスケルトン化を用いてグラフ構造を抽出する。本手法を22個のMRIスキャンで評価し,ヒトの専門的再構成と比較した。

関連論文リスト

Deep Learning-based 3D Coronary Tree Reconstruction from Two 2D Non-simultaneous X-ray Angiography Projections [1.9929038355503754]
心臓血管疾患(CVD)は、世界中で最も多い死因である。 CVDの診断において,侵襲的X線冠動脈造影(ICA)は最も重要な画像モダリティの1つである。 ICAは一般的に2Dプロジェクションしか取得しないため、冠動脈の3D形状は解釈が困難である。本研究では,非定常投射間における非剛性心・呼吸運動の補正のための新しい深層学習パイプラインを提案する。
論文参考訳（メタデータ） (2024-07-19T18:18:17Z)
R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文参考訳（メタデータ） (2024-05-31T08:39:02Z)
3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
論文参考訳（メタデータ） (2024-05-17T11:23:33Z)
Fill the K-Space and Refine the Image: Prompting for Dynamic and Multi-Contrast MRI Reconstruction [31.404228406642194]
ダイナミックまたはマルチコントラスト磁気共鳴画像(MRI)再構成の鍵は、フレーム間またはコントラスト間情報を探索することにある。本稿では,これらの制約に対処する2段階MRI再構成パイプラインを提案する。提案手法は,従来の高速MRI再建法より有意に優れていた。
論文参考訳（メタデータ） (2023-09-25T02:51:00Z)
Multi-class point cloud completion networks for 3D cardiac anatomy reconstruction from cine magnetic resonance images [4.1448595037512925]
マルチクラスの心臓解剖学的メッシュを再構築できる新しい完全自動表面再構成パイプラインを提案する。その鍵となるコンポーネントは、マルチクラスポイントクラウド補完ネットワーク(PCCN)である。
論文参考訳（メタデータ） (2023-07-17T14:52:52Z)
Reconstructing the somatotopic organization of the corticospinal tract remains a challenge for modern tractography methods [55.07297021627281]
CST(Corticospinal tract)は、人間の脳において、身体の自発的な動きを制御できる重要なホワイトマター線維である。拡散MRIトラクトグラフィーは、ヒトの健康におけるCST経路の解剖学的および変動性の研究を可能にする唯一の方法である。
論文参考訳（メタデータ） (2023-06-09T02:05:40Z)
Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction [54.19448988321891]
本稿では,T1重み付き画像(T1WIs)を補助モダリティとして活用し,T2WIsの取得を高速化するエンド・ツー・エンドのディープラーニングフレームワークを提案する。最適輸送(OT)を用いてT1WIを整列させてT2WIを合成し、クロスモーダル合成を行う。再構成されたT2WIと合成されたT2WIがT2画像多様体に近づき、繰り返しが増加することを示す。
論文参考訳（メタデータ） (2023-05-04T12:20:51Z)
Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
論文参考訳（メタデータ） (2022-09-13T07:10:14Z)
Vox2Cortex: Fast Explicit Reconstruction of Cortical Surfaces from 3D MRI Scans with Geometric Deep Neural Networks [3.364554138758565]
深層学習に基づくアルゴリズムであるVox2Cortexを提案する。我々は3つの脳MRIデータセットの広範な実験で、我々のメッシュは現場の最先端の方法で再構築されたものと同じくらい正確であることを示した。
論文参考訳（メタデータ） (2022-03-17T17:06:00Z)
A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文参考訳（メタデータ） (2022-03-01T17:08:41Z)
3D U-Net for Segmentation of Plant Root MRI Images in Super-Resolution [22.738142711915437]
本稿では,3次元U-Netを用いた超解像において,スキャンした体積を根と土壌に分割することで,信号対雑音比と分解能を高めることを提案する。実際のデータでのテストでは、トレーニングされたネットワークがほとんどのルートを正常に検出でき、人間のアノテータが見逃したルートも見つかる。
論文参考訳（メタデータ） (2020-02-21T14:12:57Z)

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。