論文の概要: Dynamic imaging using Motion-Compensated SmooThness Regularization on Manifolds (MoCo-SToRM)

• arxiv url: http://arxiv.org/abs/2112.03380v1
• Date: Mon, 6 Dec 2021 22:04:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-09 05:51:21.743864
• Title: Dynamic imaging using Motion-Compensated SmooThness Regularization on Manifolds (MoCo-SToRM)
• Title（参考訳）: 運動補償スムース規則化によるマンホールド(MoCo-SToRM)のダイナミックイメージング
• Authors: Qing Zou, Luis A. Torres, Sean B. Fain, Nara S. Higano, Alister J. Bates, Mathews Jacob
• Abstract要約: 高分解能自由呼吸性肺MRIのための教師なし運動補償再建法を提案する。 時系列画像フレームを3Dテンプレート画像ボリュームの変形版としてモデル化する。 変形写像は高次元空間の滑らかな多様体上の点であると仮定する。
• 参考スコア（独自算出の注目度）: 19.70386996879205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce an unsupervised motion-compensated reconstruction scheme for high-resolution free-breathing pulmonary MRI. We model the image frames in the time series as the deformed version of the 3D template image volume. We assume the deformation maps to be points on a smooth manifold in high-dimensional space. Specifically, we model the deformation map at each time instant as the output of a CNN-based generator that has the same weight for all time-frames, driven by a low-dimensional latent vector. The time series of latent vectors account for the dynamics in the dataset, including respiratory motion and bulk motion. The template image volume, the parameters of the generator, and the latent vectors are learned directly from the k-t space data in an unsupervised fashion. Our experimental results show improved reconstructions compared to state-of-the-art methods, especially in the context of bulk motion during the scans.
• Abstract（参考訳）: 高分解能自由呼吸性肺MRIのための教師なし運動補償再建法を提案する。 時系列の画像フレームを3dテンプレート画像ボリュームの変形バージョンとしてモデル化する。 変形写像は高次元空間の滑らかな多様体上の点であると仮定する。 具体的には、低次元潜在ベクトルによって駆動される全ての時間フレームに対して同じ重みを持つCNNベースのジェネレータの出力として、瞬時に変形マップをモデル化する。 潜伏ベクトルの時系列は、呼吸運動やバルク運動を含むデータセットのダイナミクスを説明する。 テンプレート画像ボリューム、ジェネレータのパラメータ、潜在ベクトルは教師なしの方法でk-t空間データから直接学習される。 実験の結果, スキャン中のバルク運動の文脈において, 最先端法と比較して, 復元性が向上した。

関連論文リスト

• MonST3R: A Simple Approach for Estimating Geometry in the Presence of Motion [118.74385965694694]
  我々は動的シーンから時間ステップごとの幾何を直接推定する新しい幾何学的アプローチであるMotion DUSt3R(MonST3R)を提案する。 各タイムステップのポイントマップを単純に推定することで、静的シーンにのみ使用されるDUST3Rの表現を動的シーンに効果的に適応させることができる。 我々は、問題を微調整タスクとしてポーズし、いくつかの適切なデータセットを特定し、この制限されたデータ上でモデルを戦略的に訓練することで、驚くほどモデルを動的に扱えることを示す。
  論文  参考訳（メタデータ） (2024-10-04T18:00:07Z)
• Motion-aware 3D Gaussian Splatting for Efficient Dynamic Scene Reconstruction [89.53963284958037]
  動的シーン再構築のための新しい動き認識拡張フレームワークを提案する。 具体的には,まず3次元ガウス運動と画素レベルの流れの対応性を確立する。 より厳密な最適化問題を示す先行的な変形に基づくパラダイムに対して,過渡対応変形補助モジュールを提案する。
  論文  参考訳（メタデータ） (2024-03-18T03:46:26Z)
• Motion2VecSets: 4D Latent Vector Set Diffusion for Non-rigid Shape Reconstruction and Tracking [52.393359791978035]
  Motion2VecSetsは点雲列からの動的表面再構成のための4次元拡散モデルである。 グローバルな潜在符号の代わりに、潜在集合で4Dダイナミクスをパラメータ化する。 時間的コヒーレントな物体追跡のために、変形潜在集合を同期的に認知し、複数のフレーム間で情報を交換する。
  論文  参考訳（メタデータ） (2024-01-12T15:05:08Z)
• Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
  本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。 動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。 混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
  論文  参考訳（メタデータ） (2023-08-18T16:41:57Z)
• SceNeRFlow: Time-Consistent Reconstruction of General Dynamic Scenes [75.9110646062442]
  我々はSceNeRFlowを提案し、時間的一貫性のある方法で一般的な非剛体シーンを再構築する。 提案手法は,カメラパラメータを入力として,静止カメラからのマルチビューRGBビデオと背景画像を取得する。 実験により,小規模動作のみを扱う先行作業とは異なり,スタジオスケール動作の再構築が可能であることが示された。
  論文  参考訳（メタデータ） (2023-08-16T09:50:35Z)
• MomentaMorph: Unsupervised Spatial-Temporal Registration with Momenta, Shooting, and Correction [12.281250177881445]
  本稿では,反復パターンと大動きの存在下でのラグランジアン運動推定のための新しい枠組みを提案する。 2次元合成データセットと実3次元tMRIデータセットの結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-08-05T20:32:30Z)
• {\phi}-SfT: Shape-from-Template with a Physics-Based Deformation Model [69.27632025495512]
  Shape-from-Template (SfT) 法では、単一の単眼RGBカメラから3次元表面の変形を推定する。 本稿では,物理シミュレーションによる2次元観察を解説する新しいSfT手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T17:59:57Z)
• Dynamic imaging using motion-compensated smoothness regularization on manifolds (MoCo-SToRM) [23.093076134206513]
  運動補償動的MRIのための教師なし深部多様体学習アルゴリズムを提案する。 このアルゴリズムの有用性は、運動補償高分解能肺MRIの文脈で示される。
  論文  参考訳（メタデータ） (2021-11-21T19:52:01Z)
• Dynamical Deep Generative Latent Modeling of 3D Skeletal Motion [15.359134407309726]
  本モデルでは,高度に相関した骨格データを時間的変化の空間的基礎の集合に分解する。 これにより、3次元ポーズデータのダイナミックスにおいて意味のある内在状態を解析する動的深部生成潜在モデルが得られる。
  論文  参考訳（メタデータ） (2021-06-18T23:58:49Z)
• Learning a Generative Motion Model from Image Sequences based on a Latent Motion Matrix [8.774604259603302]
  画像列の時間的登録をシミュレートして確率的動きモデルを学ぶ。 3つの最先端登録アルゴリズムと比較して,登録精度と時間的にスムーズな整合性が改善された。 また, フレームの欠落のあるシーケンスからの動作再構成を改良し, 動作解析, シミュレーション, 超解像に対するモデルの適用性を実証した。
  論文  参考訳（メタデータ） (2020-11-03T14:44:09Z)
• A Spatiotemporal Volumetric Interpolation Network for 4D Dynamic Medical Image [18.670134909724723]
  本研究では,4次元ダイナミック・メディカル・イメージのためのボリューム・モーション・ネットワーク(VINS)を提案する。 実験の結果,SVINは最先端の時間的医療手法と自然ビデオ法に優れていた。
  論文  参考訳（メタデータ） (2020-02-28T12:40:34Z)

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。