論文の概要: How to Register a Live onto a Liver ? Partial Matching in the Space of Varifolds

• arxiv url: http://arxiv.org/abs/2204.05665v1
• Date: Tue, 12 Apr 2022 09:50:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-13 21:18:16.415299
• Title: How to Register a Live onto a Liver ? Partial Matching in the Space of Varifolds
• Title（参考訳）: 肝臓に生を登録する方法は? 多様体空間における部分マッチング
• Authors: Pierre-Louis Antonsanti and Thomas Benseghir and Vincent Jugnon and Mario Ghosn and Perrine Chassat and Ir\`ene Kaltenmark and Joan Glaun\`es
• Abstract要約: CT (Computed Tomography) ボリュームとCBCT (Cone Beam Computed Tomography) ボリュームとの間には, 頑健なマルチモーダル肝登録のための部分的マッチングが可能であることを示す。 提案手法により,CBCTの切り欠き面を非剛性かつ現実的に整列させることができる。 生成した変形は肝体積に連続的に及んでおり、医師にとって興味のある点に基づいて評価される。
• 参考スコア（独自算出の注目度）: 0.3078691410268859
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Partial shapes correspondences is a problem that often occurs in computer vision (occlusion, evolution in time...). In medical imaging, data may come from different modalities and be acquired under different conditions which leads to variations in shapes and topologies. In this paper we use an asymmetric data dissimilarity term applicable to various geometric shapes like sets of curves or surfaces, assessing the embedding of a shape into another one without relying on correspondences. It is designed as a data attachment for the Large Deformation Diffeomorphic Metric Mapping (LDDMM) framework, allowing to compute a meaningful deformation of one shape onto a subset of the other. We refine it in order to control the resulting non-rigid deformations and provide consistent deformations of the shapes along with their ambient space. We show that partial matching can be used for robust multi-modal liver registration between a Computed Tomography (CT) volume and a Cone Beam Computed Tomography (CBCT) volume. The 3D imaging of the patient CBCT at point of care that we call live is truncated while the CT pre-intervention provides a full visualization of the liver. The proposed method allows the truncated surfaces from CBCT to be aligned non-rigidly, yet realistically, with surfaces from CT with an average distance of 2.6mm(+/- 2.2). The generated deformations extend consistently to the liver volume, and are evaluated on points of interest for the physicians, with an average distance of 5.8mm (+/- 2.7) for vessels bifurcations and 5.13mm (+/- 2.5) for tumors landmarks. Such multi-modality volumes registrations would help the physicians in the perspective of navigating their tools in the patient's anatomy to locate structures that are hardly visible in the CBCT used during their procedures. Our code is available at https://github.com/plantonsanti/PartialMatchingVarifolds.
• Abstract（参考訳）: 部分的形状対応(英: partial shapes correspondences)とは、コンピュータビジョンにおいてしばしば発生する問題である。 医用画像では、データは異なるモードから得られ、異なる条件下で取得され、形状やトポロジーのバリエーションにつながる。 本稿では、曲線や曲面の集合のような様々な幾何学的形状に適用可能な非対称データ差分項を用い、対応に頼らずに形状の埋め込みを評価する。 これはLDDMM(Large deformation Diffomorphic Metric Mapping)フレームワークのためのデータアタッチメントとして設計されており、一方の形状を他方のサブセットに有意な変形を計算することができる。 結果として生じる非剛性変形を制御するために精錬し,その周囲空間とともに形状の一貫した変形を与える。 CT (Computed Tomography) ボリュームとCBCT (Cone Beam Computed Tomography) ボリュームとの間には, 頑健なマルチモーダル肝登録のための部分的マッチングが可能であることを示す。 肝の3次元画像検査では, 肝の3次元観察が困難であり, 術前CTで肝の完全な可視化が可能であった。 提案手法により,CBCTからの切り抜き面を非剛性かつ現実的に整列し,CTからの平均距離2.6mm(+/- 2.2)の面に配置することができる。 生成した変形は肝体積に一貫して拡がっており、血管分岐術の平均距離は5.8mm (+/- 2.7)、腫瘍ランドマークは5.13mm (+/-2.5)である。 このようなマルチモダリティボリュームの登録は、医師が患者の解剖学で道具をナビゲートし、処置中にCBCTでほとんど見えない構造を見つけるのに役立つだろう。 私たちのコードはhttps://github.com/plantonsanti/PartialMatchingVarifoldsで利用可能です。

関連論文リスト

• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
  ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。 これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。 テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
  論文  参考訳（メタデータ） (2023-12-11T07:09:32Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• Attention-based CT Scan Interpolation for Lesion Segmentation of Colorectal Liver Metastases [2.680862925538592]
  大腸癌 (CRLM) に共通する小肝病変は, 畳み込みニューラルネットワーク (CNN) セグメンテーションモデルでは困難である。 我々は,CTスキャンにおける連続3重スライスから中間スライスを生成する,教師なしアテンションベースモデルを提案する。 モデルの出力は元の入力スライスと一致し、2つの最先端3Dセグメンテーションパイプラインにおけるセグメンテーション性能を向上する。
  論文  参考訳（メタデータ） (2023-08-30T10:21:57Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• IGCN: Image-to-graph Convolutional Network for 2D/3D Deformable Registration [1.2246649738388387]
  単一視点2次元投影画像に対する3次元臓器メッシュの変形可能な登録を実現する画像間畳み込みネットワークを提案する。 複数臓器間の関係を考慮に入れた形状予測は, 臨床的に許容できる精度で放射線像からの呼吸運動と変形を予測するのに有用である。
  論文  参考訳（メタデータ） (2021-10-31T12:48:37Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• Partial Matching in the Space of Varifolds [1.2249546377051437]
  曲線や曲面などの様々な幾何学的形状に対する非対称データ不同性項を導入する。 すべての実験は、このデータ差分項が位相的差にもかかわらずコヒーレントな部分マッチングをもたらすことを示した。
  論文  参考訳（メタデータ） (2021-03-23T10:44:22Z)
• Deep Negative Volume Segmentation [60.44793799306154]
  対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。 我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。 顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
  論文  参考訳（メタデータ） (2020-06-22T16:55:23Z)

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。