論文の概要: Adaptive area-preserving parameterization of open and closed anatomical surfaces

• arxiv url: http://arxiv.org/abs/2111.04265v1
• Date: Mon, 8 Nov 2021 04:15:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-09 17:25:49.827668
• Title: Adaptive area-preserving parameterization of open and closed anatomical surfaces
• Title（参考訳）: オープンおよびクローズド解剖面の適応領域保存パラメータ化
• Authors: Gary P. T. Choi, Amita Giri, Lalan Kumar
• Abstract要約: 物体表面と単位球全体の1対1対応は、大きな幾何学的歪みを引き起こす可能性がある。 単純連結な開曲面および閉曲面に対する適応的領域保存パラメータ化法を提案する。 我々の研究は、精度と柔軟性を向上し、解剖学的表面をマッピングする新しい方法を提供します。
• 参考スコア（独自算出の注目度）: 1.3750624267664155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The parameterization of open and closed anatomical surfaces is of fundamental importance in many biomedical applications. Spherical harmonics, a set of basis functions defined on the unit sphere, are widely used for anatomical shape description. However, establishing a one-to-one correspondence between the object surface and the entire unit sphere may induce a large geometric distortion in case the shape of the surface is too different from a perfect sphere. In this work, we propose adaptive area-preserving parameterization methods for simply-connected open and closed surfaces with the target of the parameterization being a spherical cap. Our methods optimize the shape of the parameter domain along with the mapping from the object surface to the parameter domain. The object surface will be globally mapped to an optimal spherical cap region of the unit sphere in an area-preserving manner while also exhibiting low conformal distortion. We further develop a set of spherical harmonics-like basis functions defined over the adaptive spherical cap domain, which we call the adaptive harmonics. Experimental results show that the proposed parameterization methods outperform the existing methods for both open and closed anatomical surfaces in terms of area and angle distortion. Surface description of the object surfaces can be effectively achieved using a novel combination of the adaptive parameterization and the adaptive harmonics. Our work provides a novel way of mapping anatomical surfaces with improved accuracy and greater flexibility. More broadly, the idea of using an adaptive parameter domain allows easy handling of a wide range of biomedical shapes.
• Abstract（参考訳）: オープンおよびクローズド解剖学的表面のパラメータ化は、多くの生物医学的応用において基本的に重要である。 単位球面上で定義される基底関数の集合である球面調和は解剖学的形状記述に広く使われている。 しかし、物体表面と単位球面全体の1対1対応を確立することは、表面の形状が完全球面とあまりに異なる場合、大きな幾何学的歪みを引き起こす可能性がある。 本研究では, 単純連結な閉曲面に対して, パラメータ化の対象を球状キャップとする適応型領域保存パラメータ化法を提案する。 本手法は,パラメータ領域の形状をオブジェクト表面からパラメータ領域へのマッピングとともに最適化する。 物体表面は、単位球面の最適球面キャップ領域に領域保存の方法でグローバルにマッピングされ、また、低い共形歪みを示す。 さらに,適応高調波と呼ばれる適応球面キャップ領域上で定義される球面高調波様基底関数の組を更に開発する。 実験結果から, 提案手法は, 開口面および閉面の両方において, 面積および角度歪みの点で既存手法よりも優れていた。 適応パラメータ化と適応調和の新たな組み合わせにより,物体表面の表面記述を効果的に行うことができる。 我々の研究は、精度と柔軟性を向上し、解剖学的表面をマッピングする新しい方法を提供します。 より広範に、適応パラメータードメインを使用するというアイデアは、幅広いバイオメディカルな形状を容易に扱うことができる。

関連論文リスト

• Optimization-Driven Statistical Models of Anatomies using Radial Basis Function Shape Representation [3.743399165184124]
  粒子に基づく形状モデリングは、解剖学の個体群における形状変数の定量化に一般的な手法である。 本稿では,従来の最適化手法を用いて,モデルの特徴をより正確に制御する手法を提案する。 本研究では,2つの実データに対する最先端手法の有効性を実証し,損失選択を実証的に正当化する。
  論文  参考訳（メタデータ） (2024-11-24T15:43:01Z)
• Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
  本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。 従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。 当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
  論文  参考訳（メタデータ） (2024-05-23T14:39:52Z)
• Variational Barycentric Coordinates [18.752506994498845]
  一般化された偏心座標の最適化のための変分手法を提案する。 我々は,ポリトープ内部の任意の座標を,ニューラルネットワークを用いてバリ中心座標にマッピングする連続関数を直接パラメータ化する。
  論文  参考訳（メタデータ） (2023-10-05T19:45:06Z)
• NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions [93.02515761070201]
  本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2023-09-27T06:32:05Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)
• HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
  本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。 実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-13T16:39:53Z)
• Minimal Neural Atlas: Parameterizing Complex Surfaces with Minimal Charts and Distortion [71.52576837870166]
  我々は、新しいアトラスに基づく明示的なニューラルサーフェス表現であるミニマルニューラルアトラスを提案する。 その中核は完全学習可能なパラメトリック領域であり、パラメトリック空間の開平方上で定義された暗黙の確率的占有場によって与えられる。 我々の再構成は、トポロジーと幾何学に関する懸念の分離のため、全体的な幾何学の観点からより正確である。
  論文  参考訳（メタデータ） (2022-07-29T16:55:06Z)
• A Level Set Theory for Neural Implicit Evolution under Explicit Flows [102.18622466770114]
  暗黙の曲面をパラメータ化するコーディネートベースのニューラルネットワークは、幾何学の効率的な表現として登場した。 このような暗黙の面に三角形メッシュに対して定義された変形操作を適用することができるフレームワークを提案する。 提案手法は, 表面平滑化, 平均曲率流, 逆レンダリング, 暗黙的幾何によるユーザ定義編集など, 応用性の向上を示す。
  論文  参考訳（メタデータ） (2022-04-14T17:59:39Z)
• Shape analysis via inconsistent surface registration [4.367664806447789]
  不整合表面マッピングを用いた形状解析のためのフレームワークを開発する。 本手法では, 準コンフォーマル理論に基づく不整合表面登録を用いてこの問題を解くことができる。
  論文  参考訳（メタデータ） (2020-03-03T06:58:16Z)

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。