論文の概要: Three-dimensional reconstruction and characterization of bladder
deformations
- arxiv url: http://arxiv.org/abs/2301.07385v1
- Date: Wed, 18 Jan 2023 09:28:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-19 16:26:50.601676
- Title: Three-dimensional reconstruction and characterization of bladder
deformations
- Title（参考訳）: 膀胱変形の三次元再構築とキャラクタリゼーション
- Authors: Augustin C. Ogier, Stanislas Rapacchi, Marc-Emmanuel Bellemare
- Abstract要約: 骨盤床の力学はよく分かっていない。
本研究は, 床内強制呼吸運動による膀胱のリアルタイム3次元変形場を初めて提案した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background and Objective: Pelvic floor disorders are prevalent diseases and
patient care remains difficult as the dynamics of the pelvic floor remains
poorly known. So far, only 2D dynamic observations of straining exercises at
excretion are available in the clinics and the understanding of
three-dimensional pelvic organs mechanical defects is not yet achievable. In
this context, we proposed a complete methodology for the 3D representation of
the non-reversible bladder deformations during exercises, directly combined
with synthesized 3D representation of the location of the highest strain areas
on the organ surface. Methods: Novel image segmentation and registration
approaches have been combined with three geometrical configurations of
up-to-date rapid dynamic multi-slices MRI acquisition for the reconstruction of
real-time dynamic bladder volumes. Results: For the first time, we proposed
real-time 3D deformation fields of the bladder under strain from in-bore forced
breathing exercises. The potential of our method was assessed on eight control
subjects undergoing forced breathing exercises. We obtained average volume
deviation of the reconstructed dynamic volume of bladders around 2.5\% and high
registration accuracy with mean distance values of 0.4 $\pm$ 0.3 mm and
Hausdorff distance values of 2.2 $\pm$ 1.1 mm. Conclusions: Immediately
transferable to the clinics with rapid acquisitions, the proposed framework
represents a real advance in the field of pelvic floor disorders as it
provides, for the first time, a proper 3D+t spatial tracking of bladder
non-reversible deformations. This work is intended to be extended to patients
with cavities filling and excretion to better characterize the degree of
severity of pelvic floor pathologies for diagnostic assistance or in
preoperative surgical planning.
- Abstract（参考訳）: 背景と目的: 骨盤床障害は一般的な疾患であり, 骨盤床の動態はよく分かっていないため, 患者のケアは困難である。
今のところ,排便時のストレッチ運動の2次元動的観察はクリニックでのみ可能であり,三次元骨盤器官の機械的欠陥の理解はまだ達成できない。
本研究では, 運動中の非可逆性膀胱変形の3次元表現と, 臓器表面の最大ひずみ領域の位置を合成した3次元表現とを組み合わせ, 完全な3次元表現法を提案する。
方法: 動的膀胱容積の再構築のために, 画像分割法と登録法を, 最新の動的マルチスライスMRIの3つの幾何学的構成と組み合わせた。
結果: 腹腔内強制呼吸運動負荷下での膀胱のリアルタイム3次元変形場を初めて提案した。
強制呼吸運動を行った8名の被験者に対して, 方法の可能性を検討した。
再建ブラジャーの動的体積の平均体積偏差は2.5 %程度であり, 平均距離値0.4 $\pm$0.3 mm, ハウスドルフ距離値2.2 $\pm$1.1 mmの登録精度が高かった。
結論: 迅速な獲得を伴うクリニックへの即時移動が可能な枠組みは, 骨盤底疾患の領域において, 膀胱非可逆変形の適切な3次元+t空間追跡を初めて提供し, 真の進歩を示すものである。
本研究は, 骨盤底病変の重症度を診断支援や術前手術計画においてより正確に評価するために, 空洞充填・排便患者に拡張することを目的としている。
関連論文リスト
- Reconstruction of 3D lumbar spine models from incomplete segmentations using landmark detection [0.4194295877935868]
不完全な3次元椎体から完全3次元腰椎モデルを再構築する新しい方法を提案する。
本手法は, 腰椎全椎をわずか0.14秒でL1からL5に区分する。
論文 参考訳（メタデータ） (2024-12-06T14:23:42Z) - SurgicalGS: Dynamic 3D Gaussian Splatting for Accurate Robotic-Assisted Surgical Scene Reconstruction [18.074890506856114]
幾何学的精度を向上した手術シーン再構築のための動的3次元ガウススプレイティングフレームワークであるStagementGSを提案する。
提案手法は,まず奥行き先を用いてガウス点雲を初期化し,深度変化の大きい画素を識別するために二元運動マスクを用い,フレーム間の深度マップから点雲を融合して初期化する。
フレキシブル変形モデルを用いて動的シーンを表現し、教師なし深度スムースネス制約とともに正規化深度正規化損失を導入し、より正確な幾何再構成を実現する。
論文 参考訳（メタデータ） (2024-10-11T22:46:46Z) - Triage of 3D pathology data via 2.5D multiple-instance learning to guide pathologist assessments [7.735043623909641]
本稿では,3次元生検において最もリスクの高い2Dスライスを自動的に識別する深層学習トリアージアプローチであるCARP3Dを提案する。
前立腺がんのリスク層化のために、CARP3Dは2Dセクションの独立解析に依存して、90.4%の曲線(AUC)の領域を達成している。
論文 参考訳（メタデータ） (2024-06-11T08:42:07Z) - 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) - 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) - Anatomy-guided domain adaptation for 3D in-bed human pose estimation [62.3463429269385]
3次元人間のポーズ推定は臨床モニタリングシステムにおいて重要な要素である。
ラベル付きソースからシフトしたラベル付きターゲットドメインにモデルを適応させる新しいドメイン適応方式を提案する。
我々の手法は、様々な最先端のドメイン適応法より一貫して優れています。
論文 参考訳（メタデータ） (2022-11-22T11:34:51Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - Characterization of surface motion patterns in highly deformable soft
tissue organs from dynamic MRI: An application to assess 4D bladder motion [0.0]
本研究の目的は, 表面全体を完全に覆うために3次元密度速度測定を行うことである。
深呼吸時の膀胱表面動態を解析するためのパイプラインを提案する。
論文 参考訳（メタデータ） (2020-10-05T08:38:08Z) - Deep Volumetric Universal Lesion Detection using Light-Weight Pseudo 3D
Convolution and Surface Point Regression [23.916776570010285]
コンピュータ支援型病変/重要なフィンディング検出技術は、医療画像の核心にある。
そこで本研究では,(1) P3DC演算子を組み込んだ深層アンカーフリーワンステージVULDフレームワークを提案する。
3次元病変の空間範囲を効果的に抑圧する新しいSPR法は、その代表的キーポイントを病変表面にピンポイントすることで実現される。
論文 参考訳（メタデータ） (2020-08-30T19:42:06Z) - Cephalometric Landmark Regression with Convolutional Neural Networks on
3D Computed Tomography Data [68.8204255655161]
側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。
本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。
本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
論文 参考訳（メタデータ） (2020-07-20T12:45:38Z) - HEMlets PoSh: Learning Part-Centric Heatmap Triplets for 3D Human Pose
and Shape Estimation [60.35776484235304]
本研究は, 中間状態部分熱マップトリプレット(HEMlets)を導入し, 検出された2次元関節を三次元空間に持ち上げる不確実性に対処しようとするものである。
HEMletsは3つのジョイントヒートマップを使用して、各骨格体部に対するエンドジョイントの相対的な深さ情報を表す。
Convolutional Network (ConvNet) は、入力画像からHEMletを予測し、次にボリュームのジョイント・ヒートマップレグレッションを学習する。
論文 参考訳（メタデータ） (2020-03-10T04:03:45Z)
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。