論文の概要: Going Off-Grid: Continuous Implicit Neural Representations for 3D Vascular Modeling

• arxiv url: http://arxiv.org/abs/2207.14663v1
• Date: Fri, 29 Jul 2022 13:08:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-01 13:19:31.574399
• Title: Going Off-Grid: Continuous Implicit Neural Representations for 3D Vascular Modeling
• Title（参考訳）: off-grid: 3次元血管モデリングのための連続的暗黙的神経表現
• Authors: Dieuwertje Alblas, Christoph Brune, Kak Khee Yeung, Jelmer M. Wolterink
• Abstract要約: パーソナライズド3D血管モデルは、心血管疾患患者の診断、予後、治療計画に有用である。 伝統的にそのようなモデルはメッシュやボクセルマスクのような明示的な表現で構築されてきた。 ここでは、その符号付き距離関数のゼロレベル集合によって、微分可能な暗黙的ニューラル表現(INR)で表面を表現することを提案する。 これにより、暗黙的で、連続的で、軽量で、ディープラーニングアルゴリズムとの統合が容易な表現で、複雑な血管構造をモデル化できます。
• 参考スコア（独自算出の注目度）: 3.435923468974656
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalised 3D vascular models are valuable for diagnosis, prognosis and treatment planning in patients with cardiovascular disease. Traditionally, such models have been constructed with explicit representations such as meshes and voxel masks, or implicit representations such as radial basis functions or atomic (tubular) shapes. Here, we propose to represent surfaces by the zero level set of their signed distance function (SDF) in a differentiable implicit neural representation (INR). This allows us to model complex vascular structures with a representation that is implicit, continuous, light-weight, and easy to integrate with deep learning algorithms. We here demonstrate the potential of this approach with three practical examples. First, we obtain an accurate and watertight surface for an abdominal aortic aneurysm (AAA) from CT images and show robust fitting from as little as 200 points on the surface. Second, we simultaneously fit nested vessel walls in a single INR without intersections. Third, we show how 3D models of individual arteries can be smoothly blended into a single watertight surface. Our results show that INRs are a flexible representation with potential for minimally interactive annotation and manipulation of complex vascular structures.
• Abstract（参考訳）: パーソナライズド3D血管モデルは、心血管疾患患者の診断、予後、治療計画に有用である。 伝統的に、そのようなモデルはメッシュやボクセルマスクのような明示的な表現や、放射基底関数や原子(管状)形状のような暗黙的な表現で構築されてきた。 本稿では, 符号付き距離関数 (SDF) のゼロレベルセットを用いて, 微分可能な暗黙的ニューラル表現 (INR) で表面を表現することを提案する。 これにより、暗黙的で、連続的で、軽量で、ディープラーニングアルゴリズムと統合しやすい表現で、複雑な血管構造をモデル化できます。 ここでは3つの実例でこのアプローチの可能性を実証する。 まず,腹部大動脈瘤 (AAA) のCT像から, 腹部大動脈瘤 (AAA) の精密かつ水密な表面を抽出し, 表面上の200点以上から頑健な適合性を示した。 第2に,交点のない単一のINRにネスト容器壁を同時に嵌合させる。 第3に,個々の動脈の3dモデルが,単一の水密面にスムーズにブレンドできることを示す。 以上の結果から,inrsは,複雑な血管構造のアノテーションや操作が最小限に抑えられる柔軟な表現であることが示された。

関連論文リスト

• JADE: Joint-aware Latent Diffusion for 3D Human Generative Modeling [62.77347895550087]
  JADEは人体形状の変化を微粒化制御で学習する生成フレームワークである。 私たちの重要な洞察は、人体を骨格構造に分解する共同認識の潜伏表現です。 提案した分解条件下でのコヒーレントで可塑性な人体形状を生成するため,カスケードパイプラインも提案する。
  論文  参考訳（メタデータ） (2024-12-29T14:18:35Z)
• Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario [0.8749675983608172]
  このモデルは、脳動脈瘤を効率的に検出するために、3D畳み込みニューラルネットワークが使用できる脳動脈のデータセットを提供することを目的としている。 本研究では, 人工血管モデルを網羅的に記述し, 動脈瘤の分節と検出のために設計されたニューラルネットワークを構築し, 合成モデルデータの拡張により得られた性能ギャップの詳細な評価を行う。
  論文  参考訳（メタデータ） (2024-11-04T18:08:24Z)
• 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)
• A vascular synthetic model for improved aneurysm segmentation and detection via Deep Neural Networks [0.8749675983608172]
  私たちの目標は、3D畳み込みニューラルネットワーク(CNN)で使用できる脳動脈のデータセットを提供することでした。 本モデルは,動脈形状,ICA形状,背景雑音を同時に再現するように設計されている。
  論文  参考訳（メタデータ） (2024-03-27T16:22:45Z)
• 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)
• 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)
• 3D Vessel Segmentation with Limited Guidance of 2D Structure-agnostic Vessel Annotations [3.6314292723682784]
  教師付き深層学習は、自動3次元血管分割において優れた能力を示している。 高価な3Dマニュアルアノテーションへの依存とアノテーションの再利用能力の制限は、教師付きモデルの臨床応用を妨げる。 本稿では,公共の2次元血管アノテーションによる限られた誘導の下での3次元血管分割のための新しい3次元形状誘導型局所識別モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-07T07:26:00Z)
• Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
  解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。 ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。 我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
  論文  参考訳（メタデータ） (2021-04-07T01:15:06Z)
• Geometric Uncertainty in Patient-Specific Cardiovascular Modeling with Convolutional Dropout Networks [0.0]
  患者固有の心血管モデルの条件分布からサンプルを生成する新しい手法を提案する。 提案手法で導入された主な革新は、トレーニングデータから直接幾何的不確実性を学ぶ能力である。
  論文  参考訳（メタデータ） (2020-09-16T00:13:12Z)
• Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
  本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。 また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
  論文  参考訳（メタデータ） (2020-07-09T13:23:15Z)

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。