論文の概要: MomentaMorph: Unsupervised Spatial-Temporal Registration with Momenta,
Shooting, and Correction
- arxiv url: http://arxiv.org/abs/2308.02949v1
- Date: Sat, 5 Aug 2023 20:32:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 17:38:09.389590
- Title: MomentaMorph: Unsupervised Spatial-Temporal Registration with Momenta,
Shooting, and Correction
- Title（参考訳）: MomentaMorph: Momenta, Shooting, Correction を用いた教師なし空間時間登録
- Authors: Zhangxing Bian, Shuwen Wei, Yihao Liu, Junyu Chen, Jiachen Zhuo,
Fangxu Xing, Jonghye Woo, Aaron Carass, Jerry L. Prince
- Abstract要約: 本稿では,反復パターンと大動きの存在下でのラグランジアン運動推定のための新しい枠組みを提案する。
2次元合成データセットと実3次元tMRIデータセットの結果から,本手法の有効性が示された。
- 参考スコア（独自算出の注目度）: 12.281250177881445
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tagged magnetic resonance imaging (tMRI) has been employed for decades to
measure the motion of tissue undergoing deformation. However,
registration-based motion estimation from tMRI is difficult due to the periodic
patterns in these images, particularly when the motion is large. With a larger
motion the registration approach gets trapped in a local optima, leading to
motion estimation errors. We introduce a novel "momenta, shooting, and
correction" framework for Lagrangian motion estimation in the presence of
repetitive patterns and large motion. This framework, grounded in Lie algebra
and Lie group principles, accumulates momenta in the tangent vector space and
employs exponential mapping in the diffeomorphic space for rapid approximation
towards true optima, circumventing local optima. A subsequent correction step
ensures convergence to true optima. The results on a 2D synthetic dataset and a
real 3D tMRI dataset demonstrate our method's efficiency in estimating
accurate, dense, and diffeomorphic 2D/3D motion fields amidst large motion and
repetitive patterns.
- Abstract（参考訳）: 磁気共鳴イメージング(tMRI)は、変形中の組織の運動を測定するために何十年も使われてきた。
しかし,これらの画像の周期パターン,特に動きが大きい場合には,tmriからの登録に基づく動き推定は困難である。
より大きな動きで、登録手法は局所的な最適値に閉じ込められ、運動推定誤差につながる。
繰り返しパターンと大動きの存在下でのラグランジュ運動推定のための新しい「モメンタ、シューティング、補正」フレームワークを提案する。
このフレームワークはリー代数とリー群原理に基づいており、接ベクトル空間のモーメントを蓄積し、微分同相空間における指数写像を用いて真の最適性への迅速な近似を行い、局所最適性を回避する。
その後の補正ステップは、真の最適への収束を保証する。
2D 合成データセットと実3D tMRI データセットの結果から,大規模動きと反復パターンのなかの2D/3D 運動場を正確に,高密度かつ高密度に推定する手法の有効性が示された。
関連論文リスト
- 3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。
本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。
提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
論文 参考訳（メタデータ） (2024-11-01T12:50:38Z) - Highly efficient non-rigid registration in k-space with application to cardiac Magnetic Resonance Imaging [10.618048010632728]
非剛性動作推定のためのローカル・オール・パス・アテンション・ネットワーク(LAPANet)と呼ばれる,自己教師型深層学習に基づく新しいフレームワークを提案する。
LAPANetは,種々のサンプリング軌跡と加速度速度で心運動推定を行った。
非剛性運動に対する高時間分解能(5ミリ秒未満)は、動的およびリアルタイムMRIアプリケーションにおける動きの検出、追跡、修正のための新しい道を開く。
論文 参考訳（メタデータ） (2024-10-24T15:19:59Z) - MotionGS: Exploring Explicit Motion Guidance for Deformable 3D Gaussian Splatting [56.785233997533794]
我々はMotionGSと呼ばれる新しい変形可能な3次元ガウススプレイティングフレームワークを提案する。
MotionGSは3Dガウスの変形を導くために、前もって明示的な動きを探索する。
モノラルなダイナミックシーンの実験では、MotionGSが最先端の手法を超越していることが確認された。
論文 参考訳（メタデータ） (2024-10-10T08:19:47Z) - MotionTTT: 2D Test-Time-Training Motion Estimation for 3D Motion Corrected MRI [24.048132427816704]
高精度な動き推定のための深層学習に基づくテスト時間学習法を提案する。
本手法は, 単純な信号とニューラルネットワークモデルに対して, 動作パラメータを確実に再構成できることを示す。
論文 参考訳（メタデータ） (2024-09-14T08:51:33Z) - Motion-aware 3D Gaussian Splatting for Efficient Dynamic Scene Reconstruction [89.53963284958037]
動的シーン再構築のための新しい動き認識拡張フレームワークを提案する。
具体的には,まず3次元ガウス運動と画素レベルの流れの対応性を確立する。
より厳密な最適化問題を示す先行的な変形に基づくパラダイムに対して,過渡対応変形補助モジュールを提案する。
論文 参考訳（メタデータ） (2024-03-18T03:46:26Z) - RoHM: Robust Human Motion Reconstruction via Diffusion [58.63706638272891]
RoHMは、モノクロRGB(-D)ビデオから頑健な3次元人間の動きを復元するためのアプローチである。
ノイズと閉鎖された入力データに条件付けし、一貫した大域座標で完全な可塑性運動を再構成した。
本手法は,テスト時に高速でありながら,定性的かつ定量的に最先端の手法より優れる。
論文 参考訳（メタデータ） (2024-01-16T18:57:50Z) - Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion
Modeling [83.76377808476039]
本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。
動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。
混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
論文 参考訳（メタデータ） (2023-08-18T16:41:57Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳（メタデータ） (2022-07-06T21:40:59Z) - Dynamic imaging using Motion-Compensated SmooThness Regularization on
Manifolds (MoCo-SToRM) [19.70386996879205]
高分解能自由呼吸性肺MRIのための教師なし運動補償再建法を提案する。
時系列画像フレームを3Dテンプレート画像ボリュームの変形版としてモデル化する。
変形写像は高次元空間の滑らかな多様体上の点であると仮定する。
論文 参考訳（メタデータ） (2021-12-06T22:04:57Z) - Dynamic imaging using motion-compensated smoothness regularization on
manifolds (MoCo-SToRM) [23.093076134206513]
運動補償動的MRIのための教師なし深部多様体学習アルゴリズムを提案する。
このアルゴリズムの有用性は、運動補償高分解能肺MRIの文脈で示される。
論文 参考訳（メタデータ） (2021-11-21T19:52:01Z) - Learning a Generative Motion Model from Image Sequences based on a
Latent Motion Matrix [8.774604259603302]
画像列の時間的登録をシミュレートして確率的動きモデルを学ぶ。
3つの最先端登録アルゴリズムと比較して,登録精度と時間的にスムーズな整合性が改善された。
また, フレームの欠落のあるシーケンスからの動作再構成を改良し, 動作解析, シミュレーション, 超解像に対するモデルの適用性を実証した。
論文 参考訳（メタデータ） (2020-11-03T14:44:09Z)
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。