論文の概要: Patch-based field-of-view matching in multi-modal images for electroporation-based ablations

• arxiv url: http://arxiv.org/abs/2011.11759v1
• Date: Mon, 9 Nov 2020 11:27:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 02:41:10.815194
• Title: Patch-based field-of-view matching in multi-modal images for electroporation-based ablations
• Title（参考訳）: 電気泳動によるアブレーションのためのマルチモーダル画像におけるパッチベースフィールド・オブ・ビューマッチング
• Authors: Luc Lafitte, R\'emi Giraud, Cornel Zachiu, Mario Ries, Olivier Sutter, Antoine Petit, Olivier Seror, Clair Poignard, Baudouin Denis de Senneville
• Abstract要約: マルチモーダルイメージングセンサーは、現在、介入治療作業フローの異なるステップに関与している。 この情報を統合するには、取得した画像間の観測された解剖の正確な空間的アライメントに依存する。 本稿では, ボクセルパッチを用いた地域登録手法が, ボクセルワイドアプローチと「グローバルシフト」アプローチとの間に優れた構造的妥協をもたらすことを示す。
• 参考スコア（独自算出の注目度）: 0.6285581681015912
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Various multi-modal imaging sensors are currently involved at different steps of an interventional therapeutic work-flow. Cone beam computed tomography (CBCT), computed tomography (CT) or Magnetic Resonance (MR) images thereby provides complementary functional and/or structural information of the targeted region and organs at risk. Merging this information relies on a correct spatial alignment of the observed anatomy between the acquired images. This can be achieved by the means of multi-modal deformable image registration (DIR), demonstrated to be capable of estimating dense and elastic deformations between images acquired by multiple imaging devices. However, due to the typically different field-of-view (FOV) sampled across the various imaging modalities, such algorithms may severely fail in finding a satisfactory solution. In the current study we propose a new fast method to align the FOV in multi-modal 3D medical images. To this end, a patch-based approach is introduced and combined with a state-of-the-art multi-modal image similarity metric in order to cope with multi-modal medical images. The occurrence of estimated patch shifts is computed for each spatial direction and the shift value with maximum occurrence is selected and used to adjust the image field-of-view. We show that a regional registration approach using voxel patches provides a good structural compromise between the voxel-wise and "global shifts" approaches. The method was thereby beneficial for CT to CBCT and MRI to CBCT registration tasks, especially when highly different image FOVs are involved. Besides, the benefit of the method for CT to CBCT and MRI to CBCT image registration is analyzed, including the impact of artifacts generated by percutaneous needle insertions. Additionally, the computational needs are demonstrated to be compatible with clinical constraints in the practical case of on-line procedures.
• Abstract（参考訳）: 様々なマルチモーダルイメージングセンサーは現在、介入的治療の作業フローの異なる段階に関与している。 コーンビームCT(CBCT)、CT(CT)、MR(MR)画像は、標的領域と臓器の相補的機能および/または構造情報を危険にさらす。 この情報を統合するには、取得した画像間の観測された解剖の正確な空間的アライメントに依存する。 これはDIR(Multi-modal deformable Image registration)を用いて実現でき、複数の撮像装置が取得した画像間の密度と弾性の変形を推定できることを示した。 しかし、様々な画像モダリティでサンプリングされる典型的に異なる視野(FOV)のため、そのようなアルゴリズムは満足できる解を見つけるのにひどく失敗する可能性がある。 本研究は,マルチモーダルな3次元医用画像にFOVを配向させる高速な手法を提案する。 この目的のために、パッチベースのアプローチと最先端のマルチモーダル画像類似度メトリクスを組み合わせることで、マルチモーダル医療画像に対処する。 空間方向毎に推定パッチシフトの発生を算出し、最大発生のシフト値を選択してビューの視野を調整する。 また,voxelパッチを用いた地域登録アプローチは,voxel-wiseアプローチと"global shifts"アプローチの間に良好な構造的妥協をもたらすことを示す。 その結果, CBCT と MRI と CBCT の登録作業, 特に画像FOV が高度に異なる場合には, CT と CBCT の登録作業に有用であった。 また、CBCTおよびMRIに対するCTの利点をCBCT画像登録に応用し、経皮的針挿入によるアーティファクトの影響を含め分析した。 さらに, オンライン手続きの実用例において, 計算ニーズと臨床制約との相性が示された。

関連論文リスト

• Unsupervised Multimodal 3D Medical Image Registration with Multilevel Correlation Balanced Optimization [22.633633605566214]
  マルチレベル相関バランス最適化に基づく教師なしマルチモーダル医用画像登録手法を提案する。 異なるモードの術前医療画像に対して、変形場間の最大融合により有効な情報のアライメントと積み重ねを実現する。
  論文  参考訳（メタデータ） (2024-09-08T09:38:59Z)
• Unlocking the Power of Spatial and Temporal Information in Medical Multimodal Pre-training [99.2891802841936]
  我々は,空間的・時間的微粒なモデリングのためのMed-STフレームワークを提案する。 空間モデリングでは、Med-STはMixture of View Expert (MoVE)アーキテクチャを使用して、正面と横の両方のビューから異なる視覚的特徴を統合する。 時間的モデリングのために,フォワードマッピング分類 (FMC) とリバースマッピング回帰 (RMR) による新たな双方向サイクル整合性目標を提案する。
  論文  参考訳（メタデータ） (2024-05-30T03:15:09Z)
• Weakly supervised alignment and registration of MR-CT for cervical cancer radiotherapy [9.060365057476133]
  子宮頸癌は女性の死因の1つである。 予備的な空間アライメントアルゴリズムと弱教師付きマルチモーダル登録ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-05-21T15:05:51Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Unsupervised Image Registration Towards Enhancing Performance and Explainability in Cardiac And Brain Image Analysis [3.5718941645696485]
  モダリティ内およびモダリティ内アフィンおよび非リグイド画像登録は、臨床画像診断において必須の医用画像解析プロセスである。 本稿では、アフィンおよび非剛性変換を正確にモデル化できる教師なしディープラーニング登録手法を提案する。 本手法は,モーダリティ不変の潜在反感を学習するために,双方向のモーダリティ画像合成を行う。
  論文  参考訳（メタデータ） (2022-03-07T12:54:33Z)
• Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
  我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。 我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。 私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
  論文  参考訳（メタデータ） (2021-10-15T13:16:59Z)
• LocalTrans: A Multiscale Local Transformer Network for Cross-Resolution Homography Estimation [52.63874513999119]
  クロスレゾリューション画像アライメントは、マルチスケールギガ撮影において重要な問題である。 既存のディープ・ホモグラフィー手法は、それらの間の対応の明示的な定式化を無視し、クロスレゾリューションの課題において精度が低下する。 本稿では,マルチモーダル入力間の対応性を明確に学習するために,マルチスケール構造内に埋め込まれたローカルトランスフォーマーネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-08T02:51:45Z)
• Self-Attentive Spatial Adaptive Normalization for Cross-Modality Domain Adaptation [9.659642285903418]
  放射線科医の費用負担を軽減するための医用画像のクロスモダリティ合成 本稿では,教師なしまたは教師なし(非ペア画像データ)の設定が可能な医用画像における画像から画像への変換手法を提案する。
  論文  参考訳（メタデータ） (2021-03-05T16:22:31Z)
• Adversarial Uni- and Multi-modal Stream Networks for Multimodal Image Registration [20.637787406888478]
  CT画像とMR画像との変形性画像登録は多くの画像誘導療法において不可欠である。 本稿では,新しい翻訳に基づく教師なしデフォルマブル画像登録手法を提案する。 本手法は2つの臨床データセットで評価され,最先端の従来法と学習法と比較して有望な結果が得られた。
  論文  参考訳（メタデータ） (2020-07-06T14:44:06Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。