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
- 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) - Shape of my heart: Cardiac models through learned signed distance
functions [35.20345448493497]
本研究では、リプシッツ正則性を持つ3次元深部符号距離関数を用いて心臓の形状を再構成する。
また,本手法は1つの心室からの点雲などの部分的データから解剖モデルを再構築することも可能であることを示す。
論文 参考訳(メタデータ) (2023-08-31T09:02:53Z) - 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) - S3M: Scalable Statistical Shape Modeling through Unsupervised
Correspondences [91.48841778012782]
本研究では,集団解剖学における局所的および大域的形状構造を同時に学習するための教師なし手法を提案する。
我々のパイプラインは、ベースライン法と比較して、SSMの教師なし対応推定を大幅に改善する。
我々の手法は、ノイズの多いニューラルネットワーク予測から学ぶのに十分堅牢であり、より大きな患者にSSMを拡張できる可能性がある。
論文 参考訳(メタデータ) (2023-04-15T09:39:52Z) - 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) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳(メタデータ) (2022-11-12T05:39:17Z) - Modeling and hexahedral meshing of cerebral arterial networks from
centerlines [0.0]
中心線に基づく表現は、小さな血管を持つ大きな血管ネットワークをモデル化するために広く用いられている。
中心線からCFDに適した構造を持つヘキサヘドラルメッシュを自動生成する手法を提案する。
我々は60の脳血管ネットワークのデータセットを網羅し,本手法の有効性を実証した。
論文 参考訳(メタデータ) (2022-01-20T16:30:17Z) - 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。