論文の概要: Generating 3D Bio-Printable Patches Using Wound Segmentation and
Reconstruction to Treat Diabetic Foot Ulcers
- arxiv url: http://arxiv.org/abs/2203.03814v1
- Date: Tue, 8 Mar 2022 02:29:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-09 14:18:14.318926
- Title: Generating 3D Bio-Printable Patches Using Wound Segmentation and
Reconstruction to Treat Diabetic Foot Ulcers
- Title(参考訳): 糖尿病性足部潰瘍に対する創傷切片と再建を用いた3次元バイオプリントパッチの作成
- Authors: Han Joo Chae, Seunghwan Lee, Hyewon Son, Seungyeob Han, Taebin Lim
- Abstract要約: AiD Regenは、2Dセマンティックセグメンテーションと3D再構成を組み合わせた3D創傷モデルを生成するシステムである。
AiD Regenは、RGB-D画像キャプチャ、セマンティックセグメンテーション、境界誘導ポイントクラウド処理、3Dモデル再構成、3Dプリント可能なGコード生成を含む、完全なパイプラインをシームレスに結合する。
- 参考スコア(独自算出の注目度): 3.9601033501810576
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce AiD Regen, a novel system that generates 3D wound models
combining 2D semantic segmentation with 3D reconstruction so that they can be
printed via 3D bio-printers during the surgery to treat diabetic foot ulcers
(DFUs). AiD Regen seamlessly binds the full pipeline, which includes RGB-D
image capturing, semantic segmentation, boundary-guided point-cloud processing,
3D model reconstruction, and 3D printable G-code generation, into a single
system that can be used out of the box. We developed a multi-stage data
preprocessing method to handle small and unbalanced DFU image datasets. AiD
Regen's human-in-the-loop machine learning interface enables clinicians to not
only create 3D regenerative patches with just a few touch interactions but also
customize and confirm wound boundaries. As evidenced by our experiments, our
model outperforms prior wound segmentation models and our reconstruction
algorithm is capable of generating 3D wound models with compelling accuracy. We
further conducted a case study on a real DFU patient and demonstrated the
effectiveness of AiD Regen in treating DFU wounds.
- Abstract(参考訳): AiD Regenは,糖尿病性足部潰瘍(DFU)の治療中に3Dバイオプリンダーを介してプリントできるように,2Dセマンティックセグメンテーションと3D再構成を組み合わせた3D創傷モデルを生成する新しいシステムである。
AiD Regenは、RGB-D画像キャプチャ、セマンティックセグメンテーション、バウンダリ誘導ポイントクラウド処理、3Dモデル再構成、および3Dプリント可能なGコード生成を含む全パイプラインを、ボックスから使用できる単一のシステムにシームレスに結合する。
小型で不均衡なdfu画像データセットを扱う多段データ前処理法を開発した。
AiD Regenのヒューマン・イン・ザ・ループ・機械学習インターフェースにより、臨床医はほんのわずかなタッチ操作で3D再生パッチを作成できるだけでなく、傷の境界をカスタマイズし、確認することができる。
実験で証明されたように, 従来の創傷セグメンテーションモデルよりも優れており, 復元アルゴリズムは説得力のある3次元創傷モデルを生成することができる。
さらに,DFU患者に対する症例スタディを行い,DFU創の治療におけるAiD Regenの有効性を実証した。
関連論文リスト
- IM-3D: Iterative Multiview Diffusion and Reconstruction for High-Quality
3D Generation [96.32684334038278]
本稿では,テキスト・ツー・3Dモデルの設計空間について検討する。
画像生成装置の代わりに映像を考慮し、マルチビュー生成を大幅に改善する。
IM-3Dは,2次元ジェネレータネットワーク10-100xの評価回数を削減する。
論文 参考訳(メタデータ) (2024-02-13T18:59:51Z) - Advancing Wound Filling Extraction on 3D Faces: Auto-Segmentation and
Wound Face Regeneration Approach [0.0]
本稿では,2ストリームグラフ畳み込みネットワークを用いた3次元顔傷セグメントの自動生成手法を提案する。
セグメンテーションモデルに基づいて、3次元顔の創傷充填体を抽出するための改良されたアプローチを提案する。
提案手法は, テストスイートにおいて0.9999986%の精度を達成し, 従来手法よりも優れていた。
論文 参考訳(メタデータ) (2023-07-04T17:46:02Z) - NeRF-GAN Distillation for Efficient 3D-Aware Generation with
Convolutions [97.27105725738016]
GAN(Generative Adversarial Networks)のようなニューラルラジアンスフィールド(NeRF)と生成モデルの統合は、単一ビュー画像から3D認識生成を変換した。
提案手法は,ポーズ条件付き畳み込みネットワークにおいて,事前学習したNeRF-GANの有界遅延空間を再利用し,基礎となる3次元表現に対応する3D一貫性画像を直接生成する手法である。
論文 参考訳(メタデータ) (2023-03-22T18:59:48Z) - Get3DHuman: Lifting StyleGAN-Human into a 3D Generative Model using
Pixel-aligned Reconstruction Priors [56.192682114114724]
Get3DHumanは、生成された結果のリアリズムと多様性を大幅に向上させる、新しい3Dヒューマンフレームワークである。
我々のキーとなる観察は、この3Dジェネレータは、人間の2Dジェネレータと3Dコンストラクタを通して学んだ、人間関係の先行技術から利益を得ることができるということだ。
論文 参考訳(メタデータ) (2023-02-02T15:37:46Z) - Improved $\alpha$-GAN architecture for generating 3D connected volumes
with an application to radiosurgery treatment planning [0.5156484100374059]
接続された3Dボリュームを生成するための3D$alpha$-GANの改良版を提案する。
我々のモデルは高品質な3D腫瘍ボリュームとそれに伴う治療仕様をうまく生成できる。
改良された3D$alpha$-GANは、合成医用画像データを生成する貴重な情報源となる。
論文 参考訳(メタデータ) (2022-07-13T16:39:47Z) - Deep Learning-based Framework for Automatic Cranial Defect
Reconstruction and Implant Modeling [0.2020478014317493]
本研究の目的は、頭蓋骨欠損の再建とインプラントのモデリングを行うための、頑健で、高速で、完全に自動化された手法を提案することである。
本稿では,修正U-Netアーキテクチャを用いた2段階の深層学習手法を提案する。
次に, 3Dプリンティングが可能なモデルの自動生成に続いて, インプラント形状を改善するための専用反復手順を提案する。
論文 参考訳(メタデータ) (2022-04-13T11:33:26Z) - A Point Cloud Generative Model via Tree-Structured Graph Convolutions
for 3D Brain Shape Reconstruction [31.436531681473753]
センサスキャンなどの物理的手法を用いて,術中3次元形状情報を得ることはほとんど不可能である。
本稿では,1つの2次元画像を用いて脳の3次元点雲(PC)を再構成するGANアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-07-21T07:57:37Z) - 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。
本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。
本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文 参考訳(メタデータ) (2021-04-04T20:30:14Z) - 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) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳(メタデータ) (2020-11-10T09:27:56Z)
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。