論文の概要: Shape Completion in the Dark: Completing Vertebrae Morphology from 3D Ultrasound
- arxiv url: http://arxiv.org/abs/2404.07668v1
- Date: Thu, 11 Apr 2024 12:00:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-12 14:09:30.855763
- Title: Shape Completion in the Dark: Completing Vertebrae Morphology from 3D Ultrasound
- Title（参考訳）: 暗黒における形状の完備化:3次元超音波からの頂点形状の完備化
- Authors: Miruna-Alexandra Gafencu, Yordanka Velikova, Mahdi Saleh, Tamas Ungi, Nassir Navab, Thomas Wendler, Mohammad Farid Azampour,
- Abstract要約: 本稿では,3次元形状完備化による閉塞型解剖構造を完成させるために,ポイントクラウドに基づく確率的DL法を提案する。
我々は、米国の物理学を模倣し、固有の人工物を説明することによって、部分的に隠蔽された脊髄の3D表現を生成する。
- 参考スコア（独自算出の注目度）: 34.25838262585591
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose: Ultrasound (US) imaging, while advantageous for its radiation-free nature, is challenging to interpret due to only partially visible organs and a lack of complete 3D information. While performing US-based diagnosis or investigation, medical professionals therefore create a mental map of the 3D anatomy. In this work, we aim to replicate this process and enhance the visual representation of anatomical structures. Methods: We introduce a point-cloud-based probabilistic DL method to complete occluded anatomical structures through 3D shape completion and choose US-based spine examinations as our application. To enable training, we generate synthetic 3D representations of partially occluded spinal views by mimicking US physics and accounting for inherent artifacts. Results: The proposed model performs consistently on synthetic and patient data, with mean and median differences of 2.02 and 0.03 in CD, respectively. Our ablation study demonstrates the importance of US physics-based data generation, reflected in the large mean and median difference of 11.8 CD and 9.55 CD, respectively. Additionally, we demonstrate that anatomic landmarks, such as the spinous process (with reconstruction CD of 4.73) and the facet joints (mean distance to GT of 4.96mm) are preserved in the 3D completion. Conclusion: Our work establishes the feasibility of 3D shape completion for lumbar vertebrae, ensuring the preservation of level-wise characteristics and successful generalization from synthetic to real data. The incorporation of US physics contributes to more accurate patient data completions. Notably, our method preserves essential anatomic landmarks and reconstructs crucial injections sites at their correct locations. The generated data and source code will be made publicly available (https://github.com/miruna20/Shape-Completion-in-the-Dark).
- Abstract（参考訳）: 目的: 超音波(US)イメージングは、放射線のない性質に有利であるが、部分的に見える臓器と完全な3D情報がないため、解釈が困難である。
アメリカの診断や調査を行う間、医療専門家は3D解剖学のメンタルマップを作成する。
本研究では,この過程を再現し,解剖学的構造の視覚的表現を強化することを目的とする。
方法: 3次元形状完備化による閉塞型解剖構造を完備する点クラウド型確率的DL法を導入し,US-based spine examination を応用として選択した。
トレーニングを実現するために、米国物理学を模倣し、固有のアーティファクトを説明することによって、部分的に隠蔽された脊髄の3D表現を生成する。
結果: 提案モデルではCDでは平均2.02と0.03の相違がみられた。
我々のアブレーション研究は、それぞれ11.8 CDと9.55 CDの大きな平均値と中央値の差を反映した、米国物理学ベースのデータ生成の重要性を実証している。
また, 解剖学的所見として, 脊椎突起(再建CD4.73)や顔面関節(GT4.96mm)が保存されている。
結論: 本研究は, 腰椎椎体における3次元形状完備化の実現可能性を確立し, レベルワイド特性の維持と, 合成データから実データへの一般化に成功した。
アメリカ物理学の法人化は、より正確な患者データ補完に寄与する。
特に, 本手法は, 重要な解剖学的ランドマークを保存し, 正確な位置で重要な注射部位を再構築する。
生成されたデータとソースコードは公開されます(https://github.com/miruna20/Shape-Completion-in-the-Dark)。
関連論文リスト
- SurgPointTransformer: Vertebrae Shape Completion with RGB-D Data [0.0]
本研究は,RGB-Dデータを用いた3次元脊椎解剖の再構築のための代替的,放射線のないアプローチを提案する。
SurgPointTransformerは, 表面の粗い観察から未露出の脊椎領域を正確に再構築できる手術用形状補修法である。
提案手法は,平均チャンファー距離5.39,Fスコア0.85,アースモーバー距離0.011,信号対雑音比22.90dBを達成し,最先端のベースラインを著しく上回る。
論文 参考訳（メタデータ） (2024-10-02T11:53:28Z) - 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) - Large Intestine 3D Shape Refinement Using Point Diffusion Models for Digital Phantom Generation [1.0135237242899509]
我々は, 幾何学的深層学習の最近の進歩と拡散確率モデルのデノベーションを活用して, 大腸のセグメンテーション結果を改善した。
階層型潜在空間における2つの条件付き微分拡散モデルを訓練し、形状改善を行う。
実験の結果,臓器形状のグローバル分布と微細な細部の両方を捉えるためのアプローチの有効性が示された。
論文 参考訳（メタデータ） (2023-09-15T10:10:48Z) - 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) - A geometry-aware deep network for depth estimation in monocular
endoscopy [17.425158094539462]
提案手法は,異なるデータセットと臨床画像にまたがって広範囲に検証されている。
提案法の平均RMSE値は12.604(T1-L1)、9.930(T2-L2)、13.893(Colon)である。
論文 参考訳（メタデータ） (2023-04-20T11:59:32Z) - Anatomical Landmarks Localization for 3D Foot Point Clouds [3.1918817988202606]
本稿では3次元解剖学的ランドマーク予測のための変形法を提案する。
臨床医によって注釈付けされた解剖学的ランドマークを持つソースモデルを使用し、ターゲットモデルにマッチするように、このモデルを厳格に変形させる。
データセット上で実験を行い,本手法のロバスト性を実証した。
論文 参考訳（メタデータ） (2021-10-03T06:24:40Z) - Self Context and Shape Prior for Sensorless Freehand 3D Ultrasound
Reconstruction [61.62191904755521]
3DフリーハンドUSは、幅広い範囲とフリーフォームスキャンを提供することで、この問題に対処することを約束している。
既存のディープラーニングベースの手法は、スキルシーケンスの基本ケースのみに焦点を当てている。
複雑なスキルシーケンスを考慮したセンサレスフリーハンドUS再構成手法を提案する。
論文 参考訳（メタデータ） (2021-07-31T16:06:50Z) - 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) - Anatomy-aware 3D Human Pose Estimation with Bone-based Pose
Decomposition [92.99291528676021]
3次元関節位置を直接回帰するのではなく,骨方向予測と骨長予測に分解する。
私たちのモチベーションは、人間の骨格の骨の長さが時間とともに一定であることにあります。
我々の完全なモデルは、Human3.6MとMPI-INF-3DHPデータセットにおいて、以前の最高の結果よりも優れています。
論文 参考訳（メタデータ） (2020-02-24T15:49:37Z) - FetusMap: Fetal Pose Estimation in 3D Ultrasound [42.59502360552173]
そこで本研究では, 胎児の3次元姿勢を推定し, その定量的解析を容易にすることを提案する。
これは文学における胎児の3次元ポーズ推定に関する最初の研究である。
本稿では、深層ネットワークを微調整し、視覚的に妥当なポーズ予測を形成するための自己教師付き学習(SSL)フレームワークを提案する。
論文 参考訳（メタデータ） (2019-10-11T01:45:09Z)
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。