論文の概要: Transfer Learning from an Artificial Radiograph-landmark Dataset for
Registration of the Anatomic Skull Model to Dual Fluoroscopic X-ray Images
- arxiv url: http://arxiv.org/abs/2108.06466v1
- Date: Sat, 14 Aug 2021 04:49:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-17 15:15:34.475296
- Title: Transfer Learning from an Artificial Radiograph-landmark Dataset for
Registration of the Anatomic Skull Model to Dual Fluoroscopic X-ray Images
- Title（参考訳）: 二次元蛍光X線画像への解剖学的スカルモデルの登録のための人工X線ランドマークデータセットからの学習
- Authors: Chaochao Zhou, Thomas Cha, Yun Peng, Guoan Li
- Abstract要約: 人工データセットからトレーニングしたディープニューラルネットワークを用いた3次元から2次元への3次元登録のための移動学習戦略を提案する。
女性被験者の頭頸部CTデータから,デジタル再構成X線写真(DRR)とX線学的頭蓋骨のランドマークを自動生成した。
ランドマーク検出のための残留ネットワーク(ResNet)と、DRRと実際のX線とのスタイルの違いを取り除くためにGAN(Cycle Generative Adversarial Network)のトレーニングに使用された。
人工的なトレーニングデータを戦略的に増強する手法は、複雑な頭蓋骨登録シナリオに取り組むことができ、広範な登録シナリオにまで拡張する可能性がある。
- 参考スコア（独自算出の注目度）: 0.4205692673448206
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Registration of 3D anatomic structures to their 2D dual fluoroscopic X-ray
images is a widely used motion tracking technique. However, deep learning
implementation is often impeded by a paucity of medical images and ground
truths. In this study, we proposed a transfer learning strategy for 3D-to-2D
registration using deep neural networks trained from an artificial dataset.
Digitally reconstructed radiographs (DRRs) and radiographic skull landmarks
were automatically created from craniocervical CT data of a female subject.
They were used to train a residual network (ResNet) for landmark detection and
a cycle generative adversarial network (GAN) to eliminate the style difference
between DRRs and actual X-rays. Landmarks on the X-rays experiencing GAN style
translation were detected by the ResNet, and were used in triangulation
optimization for 3D-to-2D registration of the skull in actual dual-fluoroscope
images (with a non-orthogonal setup, point X-ray sources, image distortions,
and partially captured skull regions). The registration accuracy was evaluated
in multiple scenarios of craniocervical motions. In walking, learning-based
registration for the skull had angular/position errors of 3.9 +- 2.1 deg / 4.6
+- 2.2 mm. However, the accuracy was lower during functional neck activity, due
to overly small skull regions imaged on the dual fluoroscopic images at
end-range positions. The methodology to strategically augment artificial
training data can tackle the complicated skull registration scenario, and has
potentials to extend to widespread registration scenarios.
- Abstract（参考訳）: 2次元蛍光X線画像への3次元解剖構造の登録は、広く使われているモーショントラッキング技術である。
しかし、深層学習の実装は、しばしば医学的イメージと基礎的真実の暗黙性によって妨げられる。
本研究では,人工データセットから学習した深層ニューラルネットワークを用いた3次元から2次元への登録のためのトランスファー学習手法を提案する。
女性の頭蓋骨ctデータからデジタル再構成x線写真(drr)とx線頭蓋骨ランドマークが自動生成された。
ランドマーク検出のための残留ネットワーク(ResNet)と、DRRと実際のX線とのスタイルの違いを排除するためのサイクル生成逆ネットワーク(GAN)の訓練に使用された。
GANスタイルの翻訳を経験するX線のランドマークはResNetによって検出され、実際のデュアルフルオロスコープ画像の3次元から2次元の頭蓋骨の登録(非直交的な設定、点X線源、画像歪み、部分的捕獲された頭蓋骨領域)の三角形最適化に使用された。
登録精度は頭蓋骨運動の複数のシナリオで評価された。
歩行中、頭蓋骨の学習に基づく登録は3.9 +- 2.1 deg / 4.6 +- 2.2 mmであった。
しかし, 機能的頸部活動では, 終端位置の二重蛍光像に非常に小さな頭蓋領域がみられたため, 精度は低かった。
人工的なトレーニングデータを戦略的に拡張する手法は、複雑な頭蓋骨登録シナリオに対処し、広範な登録シナリオに拡張する可能性を秘めている。
関連論文リスト
- RadRotator: 3D Rotation of Radiographs with Diffusion Models [0.0]
本稿では,3次元空間における任意の入射ラジオグラフの解剖学的内容の回転を可能にする拡散モデルに基づく技術を提案する。
従来の研究と同様に、我々はCTボリュームを用いてデジタル再構成ラジオグラフィー(DRR)をモデルのトレーニングデータとして作成しました。
論文 参考訳（メタデータ） (2024-04-19T16:55:12Z) - 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) - 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) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳（メタデータ） (2023-07-24T14:43:07Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - 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) - 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) - 3D Probabilistic Segmentation and Volumetry from 2D projection images [10.32519161805588]
X線撮影は迅速で安価で、最前線のケアアセスメントや術中リアルタイムイメージングに有用である。
プロジェクティブな情報損失に悩まされており、多くの診断バイオマーカーがベースとなっている重要な情報を欠いている。
本稿では,2次元画像モダリティから3次元容積像を再構成する確率的手法について検討する。
論文 参考訳（メタデータ） (2020-06-23T08:00:51Z) - 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。