論文の概要: NeBLa: Neural Beer-Lambert for 3D Reconstruction of Oral Structures from
Panoramic Radiographs
- arxiv url: http://arxiv.org/abs/2304.04027v1
- Date: Sat, 8 Apr 2023 14:40:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-11 18:17:59.557577
- Title: NeBLa: Neural Beer-Lambert for 3D Reconstruction of Oral Structures from
Panoramic Radiographs
- Title(参考訳): nebla:neural beer-lambertによるパノラマx線写真からの口腔構造の3次元再構築
- Authors: Sihwa Park, Seongjun Kim, Doeyoung Kwon, Yohan Jang, Seungjun Baek
- Abstract要約: 実世界のPX画像から3次元口腔構造を推定する新しい枠組みを提案する。
我々の手法は、他の最先端の手法と比較してシミュレーションや実世界の画像に適しています。
- 参考スコア(独自算出の注目度): 6.905244286263568
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Panoramic radiography (panoramic X-ray, PX) is a widely used imaging modality
for dental examination. However, its applicability is limited as compared to 3D
Cone-beam computed tomography (CBCT), because PX only provides 2D flattened
images of the oral structure. In this paper, we propose a new framework which
estimates 3D oral structure from real-world PX images. Since there are not many
matching PX and CBCT data, we used simulated PX from CBCT for training,
however, we used real-world panoramic radiographs at the inference time. We
propose a new ray-sampling method to make simulated panoramic radiographs
inspired by the principle of panoramic radiography along with the rendering
function derived from the Beer-Lambert law. Our model consists of three parts:
translation module, generation module, and refinement module. The translation
module changes the real-world panoramic radiograph to the simulated training
image style. The generation module makes the 3D structure from the input image
without any prior information such as a dental arch. Our ray-based generation
approach makes it possible to reverse the process of generating PX from oral
structure in order to reconstruct CBCT data. Lastly, the refinement module
enhances the quality of the 3D output. Results show that our approach works
better for simulated and real-world images compared to other state-of-the-art
methods.
- Abstract(参考訳): パノラマX線撮影(パノラマX線、PX)は歯科検査において広く用いられている画像モダリティである。
しかし,PXは口腔構造の2次元平坦化画像のみを提供するため,3次元コーンビームCT(CBCT)と比較して適用性は限定的である。
本稿では,現実世界のPX画像から3次元口腔構造を推定する新しい枠組みを提案する。
px と cbct のマッチングデータが少ないため,cbct のシミュレーション px をトレーニングに用いたが,実世界のパノラマラジオグラフを推定に用いた。
本研究では,パノラマX線撮影の原理にインスパイアされたパノラマX線写真と,Beer-Lambert法に基づくレンダリング機能を実現するための新しい光サンプリング法を提案する。
我々のモデルは3つの部分からなる:翻訳モジュール、生成モジュール、精製モジュール。
翻訳モジュールは現実世界のパノラマラジオグラフをシミュレートされたトレーニング画像形式に変更する。
生成モジュールは、歯科アーチ等の事前情報のない入力画像から3D構造を作成する。
本手法により, 口腔構造からPXを生成する過程を逆転させてCBCTデータを再構成することが可能になる。
最後に、精製モジュールは、3D出力の品質を高める。
その結果,本手法は他の最先端手法と比較してシミュレーション画像や実世界画像に対して良好に機能することがわかった。
関連論文リスト
- Radiative Gaussian Splatting for Efficient X-ray Novel View Synthesis [92.69532644965663]
我々は,X線ノベルビュー可視化のための3次元ガウシアンスプラッティングに基づくフレームワーク,すなわちX-ガウシアンを提案する。
実験の結果,X-Gaussianは6.5dBの最先端手法より優れており,トレーニング時間は15%未満であり,推論速度は73倍であることがわかった。
論文 参考訳(メタデータ) (2024-03-07T00:12:08Z) - Splatter Image: Ultra-Fast Single-View 3D Reconstruction [67.96212093828179]
Splatter ImageはGaussian Splattingをベースにしており、複数の画像から3Dシーンを高速かつ高品質に再現することができる。
テスト時に38FPSでフィードフォワードで再構成を行うニューラルネットワークを学習する。
いくつかの総合、実、マルチカテゴリ、大規模ベンチマークデータセットにおいて、トレーニング中にPSNR、LPIPS、その他のメトリクスでより良い結果を得る。
論文 参考訳(メタデータ) (2023-12-20T16:14:58Z) - 3D Teeth Reconstruction from Panoramic Radiographs using Neural Implicit
Functions [6.169259577480194]
Occudentは神経暗黙機能を用いたパノラマX線写真からの3次元歯の再構築のための枠組みである。
合成画像を用いた最近の研究とは異なる、実際のパノラマラジオグラフィーを入力として訓練し、検証する。
論文 参考訳(メタデータ) (2023-11-28T05:06:22Z) - Structure-Aware Sparse-View X-ray 3D Reconstruction [26.91084106735878]
スパースビューX線3次元再構成のための構造対応X線ニューラルラジオ密度場(SAX-NeRF)を提案する。
Linefomerは、X線の各線分内の依存関係をモデル化することで、3D空間内のオブジェクトの内部構造をキャプチャする。
X3Dの実験では、SAX-NeRFは、新しいビュー合成とCT再構成において、従来のNeRF法を12.56と2.49dBで上回っている。
論文 参考訳(メタデータ) (2023-11-18T03:39:02Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-07-31T17:59:42Z) - Oral-3Dv2: 3D Oral Reconstruction from Panoramic X-Ray Imaging with
Implicit Neural Representation [3.8215162658168524]
Oral-3Dv2は、単一のパノラマX線画像から3Dラジオロジーを再構成する非逆学習モデルである。
本モデルは,2次元座標を3次元空間内のボクセルの密度値にマッピングすることにより,暗黙的に3次元口腔構造を表現することを学習する。
我々の知る限りでは、これは1枚のパノラマX線画像から3Dラジオグラフィ再構成における非逆学習モデルの最初の作品である。
論文 参考訳(メタデータ) (2023-03-21T18:17:27Z) - Learning Smooth Neural Functions via Lipschitz Regularization [92.42667575719048]
ニューラルフィールドにおけるスムーズな潜伏空間を促進するために設計された新しい正規化を導入する。
従来のリプシッツ正規化ネットワークと比較して、我々のアルゴリズムは高速で、4行のコードで実装できる。
論文 参考訳(メタデータ) (2022-02-16T21:24:54Z) - Fast-GANFIT: Generative Adversarial Network for High Fidelity 3D Face
Reconstruction [76.1612334630256]
我々は、GAN(Generative Adversarial Networks)とDCNN(Deep Convolutional Neural Networks)の力を利用して、単一画像から顔のテクスチャと形状を再構築する。
3次元顔再構成を保存したフォトリアリスティックでアイデンティティに優れた結果を示し, 初めて, 高精度な顔テクスチャ再構成を実現する。
論文 参考訳(メタデータ) (2021-05-16T16:35:44Z) - Towards a Neural Graphics Pipeline for Controllable Image Generation [96.11791992084551]
ニューラルグラフパイプライン(NGP)は,ニューラルネットワークと従来の画像形成モデルを組み合わせたハイブリッド生成モデルである。
NGPは、画像を解釈可能な外観特徴マップの集合に分解し、制御可能な画像生成のための直接制御ハンドルを明らかにする。
単目的シーンの制御可能な画像生成におけるアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2020-06-18T14:22:54Z) - End-To-End Convolutional Neural Network for 3D Reconstruction of Knee
Bones From Bi-Planar X-Ray Images [6.645111950779666]
両平面X線画像から直接膝骨を3次元再構成するためのエンドツーエンド畳み込みニューラルネットワーク(CNN)を提案する。
論文 参考訳(メタデータ) (2020-04-02T08:37:11Z) - Oral-3D: Reconstructing the 3D Bone Structure of Oral Cavity from 2D
Panoramic X-ray [17.34835093235681]
歯科用アーチの1枚のPX画像と先行情報から3次元口腔を再構築するフレームワークOral-3Dを提案する。
口腔3Dは, 3次元口腔構造を効率的にかつ効果的に再構築し, 臨床応用において重要な情報を示すことができることを示す。
論文 参考訳(メタデータ) (2020-03-18T18:02:57Z)
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。