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
- Dynamic 3D Gaussians: Tracking by Persistent Dynamic View Synthesis [58.5779956899918]
動的シーンビュー合成と6自由度(6-DOF)追跡のタスクを同時に処理する手法を提案する。
我々は、シーンを3Dガウスアンのコレクションとしてモデル化する最近の研究に触発された、分析バイシンセサイザーの枠組みに従う。
我々は,1人称視点合成,動的合成シーン合成,4次元映像編集など,我々の表現によって実現された多数のダウンストリームアプリケーションを紹介した。
論文 参考訳(メタデータ) (2023-08-18T17:59:21Z) - 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) - Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening
Simulations [58.720142291102135]
動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。
本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
論文 参考訳(メタデータ) (2021-04-28T22:14:25Z) - 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) - Disentangling and Unifying Graph Convolutions for Skeleton-Based Action
Recognition [79.33539539956186]
本稿では,マルチスケールグラフ畳み込みと,G3Dという空間時間グラフ畳み込み演算子を結合する簡単な方法を提案する。
これらの提案を結合することにより,MS-G3Dという強力な特徴抽出器を開発し,そのモデルが3つの大規模データセット上で従来の最先端手法より優れていることを示す。
論文 参考訳(メタデータ) (2020-03-31T11:28:25Z) - 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。