論文の概要: Efficient Pix2Vox++ for 3D Cardiac Reconstruction from 2D echo views

• arxiv url: http://arxiv.org/abs/2207.13424v1
• Date: Wed, 27 Jul 2022 10:05:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-28 13:02:43.214527
• Title: Efficient Pix2Vox++ for 3D Cardiac Reconstruction from 2D echo views
• Title（参考訳）: 2次元エコーによる3次元心臓再建のためのPix2Vox++の有用性
• Authors: David Stojanovski, Uxio Hermida, Marica Muffoletto, Pablo Lamata, Arian Beqiri, Alberto Gomez
• Abstract要約: 3Dで心臓解剖を再構築することで、新しいバイオマーカーの発見が可能になる。 ほとんどの超音波システムは2Dイメージング機能しか持たない。 本稿では,2次元標準心磁図から3次元解剖の再構築を行うパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 0.6524460254566904
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate geometric quantification of the human heart is a key step in the diagnosis of numerous cardiac diseases, and in the management of cardiac patients. Ultrasound imaging is the primary modality for cardiac imaging, however acquisition requires high operator skill, and its interpretation and analysis is difficult due to artifacts. Reconstructing cardiac anatomy in 3D can enable discovery of new biomarkers and make imaging less dependent on operator expertise, however most ultrasound systems only have 2D imaging capabilities. We propose both a simple alteration to the Pix2Vox++ networks for a sizeable reduction in memory usage and computational complexity, and a pipeline to perform reconstruction of 3D anatomy from 2D standard cardiac views, effectively enabling 3D anatomical reconstruction from limited 2D data. We evaluate our pipeline using synthetically generated data achieving accurate 3D whole-heart reconstructions (peak intersection over union score > 0.88) from just two standard anatomical 2D views of the heart. We also show preliminary results using real echo images.
• Abstract（参考訳）: ヒト心臓の正確な幾何学的定量化は、多くの心臓疾患の診断、および心臓患者の管理において重要なステップである。 超音波画像は心臓イメージングの主要な特徴であるが、取得には高い操作能力が必要であり、その解釈と解析は人工物のために困難である。 3Dで心臓解剖を再構築することは、新しいバイオマーカーの発見を可能にし、画像がオペレーターの専門知識に依存しないようにする。 本稿では,メモリ使用量と計算量を大幅に削減するためのPix2Vox++ネットワークへの簡単な変更と,2次元標準心臓ビューから3次元解剖の再構築を行うパイプラインを提案する。 心臓の2つの標準解剖学的2次元ビューから正確な3次元トータルハート再構成(ユニオンスコア > 0.88)を実現する合成データを用いてパイプラインを評価した。 また,実エコー画像を用いて予備結果を示す。

関連論文リスト

• Sequence-aware Pre-training for Echocardiography Probe Guidance [66.35766658717205]
  心臓超音波は、(1)心臓の本質的に複雑な構造、(2)重要な個人差の2つの大きな課題に直面している。 これまでの研究は、心臓のパーソナライズされた構造的特徴よりも、心臓の2Dおよび3Dの人口平均構造についてしか学ばなかった。 パーソナライズされた2次元と3次元の心構造特徴を学習するためのシーケンス認識型自己教師付き事前学習法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T12:55:54Z)
• Structure-aware World Model for Probe Guidance via Large-scale Self-supervised Pre-train [66.35766658717205]
  心エコー法を成功させるには、二次元平面上の構造と三次元空間における平面間の空間的関係を徹底的に理解する必要がある。 心構造を意識した世界モデルを取得するための,大規模自己指導型事前学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-28T08:54:44Z)
• 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
  現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。 スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。 本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
  論文  参考訳（メタデータ） (2024-05-17T11:23:33Z)
• DMCVR: Morphology-Guided Diffusion Model for 3D Cardiac Volume Reconstruction [33.59945107137013]
  現在の心臓MRIによる再建技術は、平面解像度が制限された2Dである。 本稿では,高解像度2次元画像とそれに対応する3次元再構成ボリュームを合成する3次元心容積再構成のための形態誘導拡散モデルDMCVRを提案する。
  論文  参考訳（メタデータ） (2023-08-18T00:48:30Z)
• Transformer-based Dual-domain Network for Few-view Dedicated Cardiac SPECT Image Reconstructions [8.510419245628983]
  高品質な3次元心筋SPECT画像再構成のための新しい3次元トランスフォーマーベースデュアルドメインネットワークTIP-Netを提案する。 本手法は,3次元心筋SPECT画像を直接投影データから再構成することを目的としている。
  論文  参考訳（メタデータ） (2023-07-18T20:39:14Z)
• Multi-class point cloud completion networks for 3D cardiac anatomy reconstruction from cine magnetic resonance images [4.1448595037512925]
  マルチクラスの心臓解剖学的メッシュを再構築できる新しい完全自動表面再構成パイプラインを提案する。 その鍵となるコンポーネントは、マルチクラスポイントクラウド補完ネットワーク(PCCN)である。
  論文  参考訳（メタデータ） (2023-07-17T14:52:52Z)
• Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
  Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。 従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。 これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。 本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-26T14:38:42Z)
• DeepRecon: Joint 2D Cardiac Segmentation and 3D Volume Reconstruction via A Structure-Specific Generative Method [12.26150675728958]
  本稿では,複数の臨床的に不可欠な結果を生成する,エンドツーエンドの潜在空間ベースのフレームワークであるDeepReconを提案する。 本手法は,心構造に対する正確な意味情報を含むシネ画像の最適潜時表現を同定する。 特に,本モデルでは,正確な意味情報と心構造のセグメンテーションを併用して合成画像を生成する。
  論文  参考訳（メタデータ） (2022-06-14T20:46:11Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• XraySyn: Realistic View Synthesis From a Single Radiograph Through CT Priors [118.27130593216096]
  放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。 私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。 本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
  論文  参考訳（メタデータ） (2020-12-04T05:08:53Z)
• 3D Probabilistic Segmentation and Volumetry from 2D projection images [10.32519161805588]
  X線撮影は迅速で安価で、最前線のケアアセスメントや術中リアルタイムイメージングに有用である。 プロジェクティブな情報損失に悩まされており、多くの診断バイオマーカーがベースとなっている重要な情報を欠いている。 本稿では,2次元画像モダリティから3次元容積像を再構成する確率的手法について検討する。
  論文  参考訳（メタデータ） (2020-06-23T08:00:51Z)

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。