論文の概要: Constructing High-Order Signed Distance Maps from Computed Tomography
Data with Application to Bone Morphometry
- arxiv url: http://arxiv.org/abs/2111.01350v1
- Date: Tue, 2 Nov 2021 03:18:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-03 14:42:52.166420
- Title: Constructing High-Order Signed Distance Maps from Computed Tomography
Data with Application to Bone Morphometry
- Title(参考訳): ctデータを用いた高次符号付き距離マップの構築と骨形態計測への応用
- Authors: Bryce A. Besler, Tannis D. Kemp, Nils D. Forkert, Steven K. Boyd
- Abstract要約: 計算トモグラフィーで画像化した2つの位相材料に対して,高次符号付き距離場を構築するアルゴリズムを提案する。
狭帯域は符号付き距離場ではない暗黙の埋め込みのために拡張された最も近い点アルゴリズムを用いて解決される。
- 参考スコア(独自算出の注目度): 1.1470070927586016
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: An algorithm is presented for constructing high-order signed distance fields
for two phase materials imaged with computed tomography. The signed distance
field is high-order in that it is free of the quantization artifact associated
with the distance transform of sampled signals. The narrowband is solved using
a closest point algorithm extended for implicit embeddings that are not a
signed distance field. The high-order fast sweeping algorithm is used to extend
the narrowband to the remainder of the domain. The order of accuracy of the
narrowband and extension methods are verified on ideal implicit surfaces. The
method is applied to ten excised cubes of bovine trabecular bone. Localization
of the surface, estimation of phase densities, and local morphometry is
validated with these subjects. Since the embedding is high-order, gradients and
thus curvatures can be accurately estimated locally in the image data.
- Abstract(参考訳): 計算トモグラフィーで画像化した2相材料に対して,高次符号付き距離場を構築するアルゴリズムを提案する。
符号付き距離場は、サンプリングされた信号の距離変換に関連する量子化アーティファクトがないという点で高次である。
狭帯域は符号付き距離場でない暗黙の埋め込みのために拡張された最接近点アルゴリズムを用いて解かれる。
高次高速スイーピングアルゴリズムは、狭帯域を領域の残りの部分まで拡張するために用いられる。
狭帯域および拡張法の精度の順序は理想的暗黙的曲面上で検証される。
ウシの骨の10個の抜去立方体に適用する。
表面の局在, 位相密度の推定, 局所形態計測をこれらの被験者で検証した。
埋め込みは高次であるため、画像データにおいて勾配や曲率を正確に推定することができる。
関連論文リスト
- Predicting ptychography probe positions using single-shot phase retrieval neural network [5.889405057118457]
本研究では, 位置誤差が大きいデータに対して, ポジトグラフィープローブの位置予測を行うための, 根本的に新しい手法を提案する。
ニューラルネットワークを用いて個々の回折パターンの単発位相を検索し、各走査点における対象画像を生成する。
提案手法は,102ドル画素の順序で誤差を蓄積し,高精度な位置予測精度を実現することができることを示す。
論文 参考訳(メタデータ) (2024-05-31T15:21:06Z) - Linear Anchored Gaussian Mixture Model for Location and Width Computations of Objects in Thick Line Shape [1.7205106391379021]
3次元画像グレーレベル表現は、統計分布の有限混合モデルであると考えられている。
入力データとして元の画像を用いた期待最大化アルゴリズム(Algo1)を用いてモデルパラメータを推定する。
修正EMアルゴリズム(Algo2)について詳述する。
論文 参考訳(メタデータ) (2024-04-03T20:05:00Z) - EmerDiff: Emerging Pixel-level Semantic Knowledge in Diffusion Models [52.3015009878545]
我々は、追加の訓練をすることなく、きめ細かなセグメンテーションマップを生成できる画像セグメンタを開発した。
低次元特徴写像の空間的位置と画像画素間の意味的対応を同定する。
大規模な実験では、生成したセグメンテーションマップがよく説明され、画像の細部を捉えることが示されている。
論文 参考訳(メタデータ) (2024-01-22T07:34:06Z) - Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity
Monocular Dense Mapping [51.739466714312805]
ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。
ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
論文 参考訳(メタデータ) (2024-01-06T12:32:25Z) - A Hierarchical Descriptor Framework for On-the-Fly Anatomical Location
Matching between Longitudinal Studies [0.07499722271664144]
本研究では,2対の医用画像間の解剖学的位置を縦断的に比較する手法を提案する。
ソース画像内のクエリポイントのディスクリプタを演算することにより、マッチングを可能にする。
階層探索操作は、対象画像に最も類似した記述子を持つ対応する点を検出する。
論文 参考訳(メタデータ) (2023-08-11T18:01:27Z) - Combining geolocation and height estimation of objects from street level
imagery [5.887281983256354]
道路レベルRGB画像からの多クラス物体位置推定と高さ推定を組み合わせたパイプラインを提案する。
提案手法は、カスタムトレーニングされた畳み込みニューラルネットワークで検出された画像平面内の物体の座標とともに画像メタデータを使用する。
論文 参考訳(メタデータ) (2023-05-14T19:40:02Z) - GeoUDF: Surface Reconstruction from 3D Point Clouds via Geometry-guided
Distance Representation [73.77505964222632]
スパース点雲から離散曲面を再構成する問題に対処する学習ベース手法であるGeoUDFを提案する。
具体的には、UDFのための幾何誘導学習法とその勾配推定を提案する。
予測されたUDFから三角形メッシュを抽出するために,カスタマイズされたエッジベースマーチングキューブモジュールを提案する。
論文 参考訳(メタデータ) (2022-11-30T06:02:01Z) - Autoencoding Low-Resolution MRI for Semantically Smooth Interpolation of
Anisotropic MRI [1.281734910003263]
符号化された低解像度例から新しい中間スライスを合成する教師なしのディープラーニングセマンティックアプローチを提案する。
この手法は, 立方体Bスプライン法よりも構造類似度指数測定とピーク信号対雑音比で有意に優れた結果が得られる。
論文 参考訳(メタデータ) (2022-02-18T15:40:00Z) - Incorporating Texture Information into Dimensionality Reduction for
High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。
画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文 参考訳(メタデータ) (2022-02-18T13:17:43Z) - 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) - Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。
これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。
SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
論文 参考訳(メタデータ) (2020-02-11T14:04:56Z)
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。