Fugu-MT 論文翻訳(概要): Neural Deformable Models for 3D Bi-Ventricular Heart Shape Reconstruction and Modeling from 2D Sparse Cardiac Magnetic Resonance Imaging

論文の概要: Neural Deformable Models for 3D Bi-Ventricular Heart Shape Reconstruction and Modeling from 2D Sparse Cardiac Magnetic Resonance Imaging

arxiv url: http://arxiv.org/abs/2307.07693v2
Date: Sun, 13 Aug 2023 03:22:34 GMT
ステータス: 処理完了
システム内更新日: 2023-08-15 19:11:46.525495
Title: Neural Deformable Models for 3D Bi-Ventricular Heart Shape Reconstruction and Modeling from 2D Sparse Cardiac Magnetic Resonance Imaging
Title（参考訳）: 2次元スパルス心磁気共鳴画像からの2次元心筋形状再構成とモデリングのためのニューラルデフォルマブルモデル
Authors: Meng Ye, Dong Yang, Mikael Kanski, Leon Axel, Dimitris Metaxas
Abstract要約: 心臓の3次元心室形状の再構築とモデリングを目的としたニューラルデフォルマブルモデル(NDM)を提案する。パラメータ関数の集合によってパラメータ化される混合変形可能なスーパークワッドリックを用いて、両心室形状をモデル化する。我々のNDMは、任意のスケールで疎い心点雲を密度化し、高品質な三角メッシュを自動的に生成することを学ぶことができる。
参考スコア（独自算出の注目度）: 8.712578745214138
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a novel neural deformable model (NDM) targeting at the reconstruction and modeling of 3D bi-ventricular shape of the heart from 2D sparse cardiac magnetic resonance (CMR) imaging data. We model the bi-ventricular shape using blended deformable superquadrics, which are parameterized by a set of geometric parameter functions and are capable of deforming globally and locally. While global geometric parameter functions and deformations capture gross shape features from visual data, local deformations, parameterized as neural diffeomorphic point flows, can be learned to recover the detailed heart shape.Different from iterative optimization methods used in conventional deformable model formulations, NDMs can be trained to learn such geometric parameter functions, global and local deformations from a shape distribution manifold. Our NDM can learn to densify a sparse cardiac point cloud with arbitrary scales and generate high-quality triangular meshes automatically. It also enables the implicit learning of dense correspondences among different heart shape instances for accurate cardiac shape registration. Furthermore, the parameters of NDM are intuitive, and can be used by a physician without sophisticated post-processing. Experimental results on a large CMR dataset demonstrate the improved performance of NDM over conventional methods.
Abstract（参考訳）: 2d sparse heart magnetic resonance (cmr) 画像データから心臓の3次元心室形状の再構成とモデリングを目標とした新しい神経変形モデル(ndm)を提案する。両心室形状を混合変形可能なスーパークワッドリックを用いてモデル化し, パラメータ関数の集合によってパラメータ化され, グローバルかつ局所的に変形することができる。大域的幾何パラメータ関数と変形は視覚データから全体形状の特徴を捉えるが、局所的変形は神経二相性点流としてパラメータ化され、詳細な心臓形状を回復するために学習することができる。従来の変形可能なモデル定式化で使われる反復的最適化法とは異なり、ndmsはそのような幾何学的パラメータ関数、大域的および局所的な変形を形状分布多様体から学ぶように訓練することができる。我々のNDMは、任意のスケールで疎い心点雲を密度化し、高品質な三角メッシュを自動的に生成することを学ぶことができる。また、異なる心臓形状のインスタンス間の密接な対応を暗黙的に学習し、正確な心臓形状の登録を可能にする。さらに、NDMのパラメータは直感的であり、高度な後処理なしで医師が使用することができる。大規模cmrデータセットにおける実験結果から,従来の手法に比べてndmの性能が向上した。

関連論文リスト

Generative 3D Cardiac Shape Modelling for In-Silico Trials [0.0]
人工大動脈の形状をモデル化・生成する深層学習法を提案する。このネットワークは、CT画像から再構成された大動脈根メッシュのデータセットに基づいて訓練される。学習した埋め込みベクトルからサンプリングすることで、実際の患者解剖に類似した新しい形状を生成することができる。
論文参考訳（メタデータ） (2024-09-24T12:59:18Z)
Deep Conditional Shape Models for 3D cardiac image segmentation [1.4042211166197214]
本稿では,Deep Shape Model (DCSM) Conditional をコアコンポーネントとする新しいセグメンテーションアルゴリズムを提案する。生成した形状を画像に合わせるため、形状モデルを解剖学的ランドマークに条件付けし、ユーザーが自動的に検出または提供することができる。局所的な改善を伴わずに非造影CTの基準線を上回り, 造影CT, 3DE, 特にハウスドルフ距離を著しく改善した。
論文参考訳（メタデータ） (2023-10-16T18:38:26Z)
Automatic Parameterization for Aerodynamic Shape Optimization via Deep Geometric Learning [60.69217130006758]
空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。 2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
論文参考訳（メタデータ） (2023-05-03T13:45:40Z)
Neural Wavelet-domain Diffusion for 3D Shape Generation, Inversion, and Manipulation [54.09274684734721]
本稿では,ウェーブレット領域における連続的な暗黙表現の直接生成モデルを用いて,3次元形状の生成,反転,操作を行う新しい手法を提案する。具体的には、1対の粗い係数と細部係数の体積を持つコンパクトなウェーブレット表現を提案し、トランケートされた符号付き距離関数とマルチスケールの生体直交ウェーブレットを介して3次元形状を暗黙的に表現する。エンコーダネットワークを共同でトレーニングすることで,形状を反転させる潜在空間を学習することができる。
論文参考訳（メタデータ） (2023-02-01T02:47:53Z)
Learning Whole Heart Mesh Generation From Patient Images For Computational Simulations [2.2496714271898166]
本稿では,医療画像から心臓のシミュレーションに適したモデルを構築するための,高速かつ自動化されたディープラーニング手法を提案する。このアプローチは、心臓テンプレート全体の小さな変形ハンドルを変形させることを学ぶことで、3D画像からメッシュを構築する。
論文参考訳（メタデータ） (2022-03-20T10:19:05Z)
NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One Go [109.88509362837475]
入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。 NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
論文参考訳（メタデータ） (2021-06-17T12:25:44Z)
A Deep-Learning Approach For Direct Whole-Heart Mesh Reconstruction [1.8047694351309207]
本研究では,ボリュームCTとMR画像データから心表面メッシュ全体を直接予測する深層学習に基づく新しい手法を提案する。本手法は,高分解能,高品質の全心臓再建を実現できる有望な性能を示した。
論文参考訳（メタデータ） (2021-02-16T00:39:43Z)
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)
Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
論文参考訳（メタデータ） (2020-06-15T09:15:54Z)
Learning Local Neighboring Structure for Robust 3D Shape Representation [143.15904669246697]
3Dメッシュの表現学習は多くのコンピュータビジョンやグラフィックスアプリケーションにおいて重要である。局所構造認識型異方性畳み込み操作(LSA-Conv)を提案する。本モデルでは,3次元形状復元において最先端の手法に比べて顕著な改善が得られた。
論文参考訳（メタデータ） (2020-04-21T13:40:03Z)
A new geodesic-based feature for characterization of 3D shapes: application to soft tissue organ temporal deformations [0.0]
臓器の時間的変形に関する研究に直接応用する。我々は,3次元表面点の少ない強制呼吸運動時の膀胱の挙動を特徴付ける。合成3次元形状と現実的なダイナミックMRIデータの両方に特徴の頑健さを実証する。
論文参考訳（メタデータ） (2020-03-18T16:56:41Z)

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。