論文の概要: Fluid registration between lung CT and stationary chest tomosynthesis
images
- arxiv url: http://arxiv.org/abs/2203.04958v1
- Date: Sun, 6 Mar 2022 21:51:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-11 15:32:54.247380
- Title: Fluid registration between lung CT and stationary chest tomosynthesis
images
- Title（参考訳）: 肺CTと静止胸部トモシン合成画像の流体的記録
- Authors: Lin Tian, Connor Puett, Peirong Liu, Zhengyang Shen, Stephen R.
Aylward, Yueh Z. Lee, Marc Niethammer
- Abstract要約: 計測された投影とデジタル再構成されたラジオグラフに基づいて3次元変形を推定する3D/2D登録手法を定式化する。
我々は,CTと静止胸部トモシンセシス(sDCT)画像の登録に対するアプローチを実証し,それが反復的画像再構成アプローチにどのように自然に導かれるかを示した。
- 参考スコア（独自算出の注目度）: 23.239722016943794
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Registration is widely used in image-guided therapy and image-guided surgery
to estimate spatial correspondences between organs of interest between planning
and treatment images. However, while high-quality computed tomography (CT)
images are often available at planning time, limited angle acquisitions are
frequently used during treatment because of radiation concerns or imaging time
constraints. This requires algorithms to register CT images based on limited
angle acquisitions. We, therefore, formulate a 3D/2D registration approach
which infers a 3D deformation based on measured projections and digitally
reconstructed radiographs of the CT. Most 3D/2D registration approaches use
simple transformation models or require complex mathematical derivations to
formulate the underlying optimization problem. Instead, our approach entirely
relies on differentiable operations which can be combined with modern
computational toolboxes supporting automatic differentiation. This then allows
for rapid prototyping, integration with deep neural networks, and to support a
variety of transformation models including fluid flow models. We demonstrate
our approach for the registration between CT and stationary chest tomosynthesis
(sDCT) images and show how it naturally leads to an iterative image
reconstruction approach.
- Abstract（参考訳）: 画像誘導療法や画像誘導手術において、計画と治療画像の間の興味ある臓器間の空間的対応を推定するために広く利用されている。
しかし、高画質CT画像は計画時にしばしば利用可能であるが、放射線や撮像時間の制約により、治療中に限られた角度の取得が頻繁に使用される。
これは、限られた角度の取得に基づいてCT画像を登録するアルゴリズムを必要とする。
そこで我々は,CTの投影画像とデジタル再構成画像に基づいて3次元変形を推定する3D/2D登録手法を定式化した。
ほとんどの3D/2D登録手法は単純な変換モデルを使うか、基礎となる最適化問題を定式化するために複雑な数学的導出を必要とする。
代わりに、我々のアプローチは、自動微分をサポートする現代の計算ツールボックスと組み合わせることができる微分可能な演算に完全に依存している。
これにより、高速なプロトタイピング、ディープニューラルネットワークとの統合、流体フローモデルを含むさまざまな変換モデルのサポートが可能になる。
我々は,CTと静止胸部トモシンセシス(sDCT)画像の登録に対するアプローチを実証し,それが反復的画像再構成アプローチにどのように自然に導くかを示した。
関連論文リスト
- TomoGRAF: A Robust and Generalizable Reconstruction Network for Single-View Computed Tomography [3.1209855614927275]
従来の解析的・定性的なCT再構成アルゴリズムは数百の角データサンプリングを必要とする。
我々は,高品質な3Dボリュームを再構成するために,ユニークなX線輸送物理を取り入れた新しいTtomoGRAFフレームワークを開発した。
論文 参考訳（メタデータ） (2024-11-12T20:07:59Z) - Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。
本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。
臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
論文 参考訳（メタデータ） (2024-09-18T13:40:59Z) - INeAT: Iterative Neural Adaptive Tomography [34.84974955073465]
反復型ニューラルアダプティブ・トモグラフィ(INeAT)は、姿勢の最適化を組み込んで、姿勢の摂動の影響を抑える。
IneAT は, 顕著なポーズ障害を伴うシナリオにおいて, アーティファクト抑制, 解像度向上を達成できることを実証した。
論文 参考訳（メタデータ） (2023-11-03T01:00:36Z) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳（メタデータ） (2023-07-24T14:43:07Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - Optimal Transport-based Graph Matching for 3D retinal OCT image
registration [13.93497551507791]
本稿では、3DマウスOCT画像登録のための最適なトランスポートベースグラフマッチング(OT-GM)手法を含む,斬新だが効率的なフレームワークを提案する。
主観的および客観的評価の結果は,本フレームワークがマウスOCT画像上で,合理的な実行時間内で,他の確立された手法よりも優れていたことを示している。
論文 参考訳（メタデータ） (2022-02-28T20:15:12Z) - Neural Computed Tomography [1.7188280334580197]
一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。
動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
論文 参考訳（メタデータ） (2022-01-17T18:50:58Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳（メタデータ） (2021-10-12T23:25:03Z) - 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) - Patch-based field-of-view matching in multi-modal images for
electroporation-based ablations [0.6285581681015912]
マルチモーダルイメージングセンサーは、現在、介入治療作業フローの異なるステップに関与している。
この情報を統合するには、取得した画像間の観測された解剖の正確な空間的アライメントに依存する。
本稿では, ボクセルパッチを用いた地域登録手法が, ボクセルワイドアプローチと「グローバルシフト」アプローチとの間に優れた構造的妥協をもたらすことを示す。
論文 参考訳（メタデータ） (2020-11-09T11:27:45Z) - Learning Deformable Image Registration from Optimization: Perspective,
Modules, Bilevel Training and Beyond [62.730497582218284]
マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。
我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
論文 参考訳（メタデータ） (2020-04-30T03:23:45Z)
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。