論文の概要: On the Localization of Ultrasound Image Slices within Point Distribution
Models
- arxiv url: http://arxiv.org/abs/2309.00372v1
- Date: Fri, 1 Sep 2023 10:10:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-04 13:51:47.398666
- Title: On the Localization of Ultrasound Image Slices within Point Distribution
Models
- Title（参考訳）: 点分布モデルにおける超音波画像スライスの局在について
- Authors: Lennart Bastian, Vincent B\"urgin, Ha Young Kim, Alexander Baumann,
Benjamin Busam, Mahdi Saleh, Nassir Navab
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 84.27083443424408
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Thyroid disorders are most commonly diagnosed using high-resolution
Ultrasound (US). Longitudinal nodule tracking is a pivotal diagnostic protocol
for monitoring changes in pathological thyroid morphology. This task, however,
imposes a substantial cognitive load on clinicians due to the inherent
challenge of maintaining a mental 3D reconstruction of the organ. We thus
present a framework for automated US image slice localization within a 3D shape
representation to ease how such sonographic diagnoses are carried out. Our
proposed method learns a common latent embedding space between US image patches
and the 3D surface of an individual's thyroid shape, or a statistical
aggregation in the form of a statistical shape model (SSM), via contrastive
metric learning. Using cross-modality registration and Procrustes analysis, we
leverage features from our model to register US slices to a 3D mesh
representation of the thyroid shape. We demonstrate that our multi-modal
registration framework can localize images on the 3D surface topology of a
patient-specific organ and the mean shape of an SSM. Experimental results
indicate slice positions can be predicted within an average of 1.2 mm of the
ground-truth slice location on the patient-specific 3D anatomy and 4.6 mm on
the SSM, exemplifying its usefulness for slice localization during sonographic
acquisitions. Code is publically available:
\href{https://github.com/vuenc/slice-to-shape}{https://github.com/vuenc/slice-to-shape}
- Abstract（参考訳）: 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。
縦断結節追跡は甲状腺形態の変化を監視する重要な診断プロトコルである。
しかし、この課題は、精神的な臓器の3D再構成を維持するという固有の課題のために、臨床医にかなりの認知負荷を課す。
そこで我々は, 超音波診断の容易化を図るために, 3次元形状表現内におけるUS画像スライスの自動位置決めを行うフレームワークを提案する。
提案手法は,US画像パッチと個人の甲状腺形状の3次元表面との共通潜時埋め込み空間,あるいは統計的形状モデル(SSM)の形での統計集約を,コントラッシブなメトリック学習により学習する。
クロスモダリティ・レジストレーション(cross-modality registration)とprocrustes analysis(procrustes analysis)を用いて,我々のモデルの特徴を利用して甲状腺形状の3dメッシュ表現にスライスを登録した。
患者固有の臓器の3次元表面トポロジとSSMの平均形状から画像のローカライズが可能であることを,我々のマルチモーダル登録フレームワークで実証した。
実験の結果,スライス位置は患者固有の3d解剖学的位置の1.2mm,ssmの4.6mmの範囲で予測でき,超音波画像取得時のスライス位置推定の有用性が示唆された。
コードは公開されている。 \href{https://github.com/vuenc/slice-to-shape}{https://github.com/vuenc/slice-to-shape}
関連論文リスト
- Improving 3D Medical Image Segmentation at Boundary Regions using Local Self-attention and Global Volume Mixing [14.0825980706386]
ボリューム・メディカル・イメージ・セグメンテーションは、与えられた3次元ボリューム・メディカル・イメージをボクセルレベルの精度で正確に分類することを目的とする医用画像解析の基本的な問題である。
本研究では,3次元医用画像セグメンテーションにおける局所的およびグローバルな依存関係を明示的に捉えることを目的とした,階層型エンコーダデコーダベースの新しいフレームワークを提案する。
提案フレームワークは,局所的なボリュームベースの自己アテンションを利用して局所的な依存関係を高解像度でエンコードし,低解像度の特徴表現でグローバルな依存関係をキャプチャする新しいボリュームミキサを導入する。
論文 参考訳（メタデータ） (2024-10-20T11:08:38Z) - Generative Enhancement for 3D Medical Images [74.17066529847546]
本稿では,3次元医用画像合成の新しい生成手法であるGEM-3Dを提案する。
本手法は2次元スライスから始まり,3次元スライスマスクを用いて患者に提供するための情報スライスとして機能し,生成過程を伝搬する。
3D医療画像をマスクと患者の事前情報に分解することで、GEM-3Dは多目的な3D画像を生成する柔軟な、かつ効果的なソリューションを提供する。
論文 参考訳（メタデータ） (2024-03-19T15:57:04Z) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳（メタデータ） (2023-07-24T14:43:07Z) - End-to-end Deformable Attention Graph Neural Network for Single-view
Liver Mesh Reconstruction [2.285821277711784]
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。
論文 参考訳（メタデータ） (2023-03-13T19:15:49Z) - Explainable multiple abnormality classification of chest CT volumes with
AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。
本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。
そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文 参考訳（メタデータ） (2021-11-24T01:14:33Z) - 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) - 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) - Enhanced 3D Myocardial Strain Estimation from Multi-View 2D CMR Imaging [0.0]
CMR SSFP画像からの複数方向からの相補的変位情報を組み合わせた3次元心筋ひずみ推定法を提案する。
商用ソフトウェア(セグメント,メドビソ)に実装された2次元非剛性登録アルゴリズムを用いて,短軸,4角,2角のビューのセットを登録する。
次に, 運動3方向の補間関数を作成し, 患者固有の左室の四面体メッシュ表現を変形させる。
論文 参考訳（メタデータ） (2020-09-25T22:47:50Z) - 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)
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。