Fugu-MT 論文翻訳(概要): End-to-end Deformable Attention Graph Neural Network for Single-view Liver Mesh Reconstruction

論文の概要: End-to-end Deformable Attention Graph Neural Network for Single-view Liver Mesh Reconstruction

arxiv url: http://arxiv.org/abs/2303.07432v1
Date: Mon, 13 Mar 2023 19:15:49 GMT
ステータス: 処理完了
システム内更新日: 2023-03-15 17:40:39.009932
Title: End-to-end Deformable Attention Graph Neural Network for Single-view Liver Mesh Reconstruction
Title（参考訳）: シングルビュー肝メッシュ再構築のためのエンド・ツー・エンド変形型アテンショングラフニューラルネットワーク
Authors: Matej Gazda, Peter Drotar, Liset Vazquez Romaguera and Samuel Kadoury
Abstract要約: 本稿では,肝臓の三角形形状をリアルタイムに生成する新しいエンド・ツー・エンドアテンショングラフニューラルネットワークモデルを提案する。提案手法は平均誤差3.06+-0.7mm,チャンファー距離63.14+-27.28。
参考スコア（独自算出の注目度）: 2.285821277711784
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Intensity modulated radiotherapy (IMRT) is one of the most common modalities for treating cancer patients. One of the biggest challenges is precise treatment delivery that accounts for varying motion patterns originating from free-breathing. Currently, image-guided solutions for IMRT is limited to 2D guidance due to the complexity of 3D tracking solutions. We propose a novel end-to-end attention graph neural network model that generates in real-time a triangular shape of the liver based on a reference segmentation obtained at the preoperative phase and a 2D MRI coronal slice taken during the treatment. Graph neural networks work directly with graph data and can capture hidden patterns in non-Euclidean domains. Furthermore, contrary to existing methods, it produces the shape entirely in a mesh structure and correctly infers mesh shape and position based on a surrogate image. We define two on-the-fly approaches to make the correspondence of liver mesh vertices with 2D images obtained during treatment. Furthermore, we introduce a novel task-specific identity loss to constrain the deformation of the liver in the graph neural network to limit phenomenons such as flying vertices or mesh holes. The proposed method achieves results with an average error of 3.06 +- 0.7 mm and Chamfer distance with L2 norm of 63.14 +- 27.28.
Abstract（参考訳）: IMRT(Intensity modulated Radiotherapy)は、がん患者の治療において最も一般的な治療法の一つである。最大の課題の1つは、自由呼吸に由来するさまざまな動きパターンを正確に処理することである。現在、IMRTの画像誘導ソリューションは、3Dトラッキングソリューションの複雑さのために2Dガイダンスに制限されている。本稿では,術前に得られた基準セグメンテーションと治療中に採取した2次元MRIコロナスライスに基づいて,肝臓の三角形形状をリアルタイムに生成する新しいエンドツーエンドアテンショングラフニューラルネットワークモデルを提案する。グラフニューラルネットワークはグラフデータを直接処理し、非ユークリッド領域の隠れパターンをキャプチャする。さらに、従来の手法とは対照的に、メッシュ構造で完全に形状を生成し、代理画像に基づいてメッシュ形状と位置を正しく推測する。肝メッシュ頂点を治療中に得られた2次元画像と対応させる2つのオンザフライアプローチを定義した。さらに,グラフニューラルネットワークにおける肝臓の変形を抑えるために,空飛ぶ頂点やメッシュホールなどの現象を制限するタスク固有のアイデンティティ損失を導入する。提案手法では、平均誤差が3.06 +- 0.7 mm、シャムファー距離が63.14 +- 27.28である。

関連論文リスト

Explicit Differentiable Slicing and Global Deformation for Cardiac Mesh Reconstruction [8.730291904586656]
医用画像からの心臓解剖のメッシュ再構築は, 形状, 運動計測, 生体物理シミュレーションに有用である。従来のボクセルベースのアプローチは、イメージの忠実さを損なう前処理と後処理に依存している。そこで本稿では,メッシュのスライスからメッシュへの勾配バックプロパゲーションを可能にする,新しい識別可能なボキセル化とスライシング(DVS)アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-09-03T17:19:31Z)
Deep-Motion-Net: GNN-based volumetric organ shape reconstruction from single-view 2D projections [1.8189671456038365]
放射線治療中に3次元臓器形状を再構成できるエンドツーエンドのグラフニューラルネットワークアーキテクチャを提案する。提案モデルは、患者固有のテンプレートと、任意の投影角度でkV画像から抽出した深い特徴からメッシュ回帰を学習する。総合的枠組みは, 合成呼吸運動のシナリオを定量的に検討し, 肝癌患者に対するフルスキャンで得られた内処理画像について質的に検討した。
論文参考訳（メタデータ） (2024-07-09T09:07:18Z)
SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文参考訳（メタデータ） (2024-02-27T06:32:56Z)
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)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
Landmark Tracking in Liver US images Using Cascade Convolutional Neural Networks with Long Short-Term Memory [9.49563286905127]
本研究では,超音波(US)画像誘導放射線治療のための深層学習に基づく追跡手法を提案する。提案したモデルは、MICCAI(Medicical Image Computing and Computer Assisted Interventions) 2015の課題で使用される、米国における肝追跡データセットでテストされた。
論文参考訳（メタデータ） (2022-09-14T22:01:20Z)
Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文参考訳（メタデータ） (2022-04-19T10:41:09Z)
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)
TSGCNet: Discriminative Geometric Feature Learning with Two-Stream GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。 3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文参考訳（メタデータ） (2020-12-26T08:02:56Z)
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)
Convolutional 3D to 2D Patch Conversion for Pixel-wise Glioma Segmentation in MRI Scans [22.60715394470069]
畳み込み3Dから2次元MRパッチ変換モデルにより,新しい画素ワイドセグメンテーションフレームワークを考案する。本アーキテクチャでは, 局所スライス特性とグローバルスライス特性を併用して, 中央ボクセルのクラスラベルを推定する。
論文参考訳（メタデータ） (2020-10-20T20:42:52Z)

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。