論文の概要: Reference-Free Multi-Modality Volume Registration of X-Ray Microscopy and Light-Sheet Fluorescence Microscopy
- arxiv url: http://arxiv.org/abs/2404.14807v1
- Date: Tue, 23 Apr 2024 07:37:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-24 15:00:46.296159
- Title: Reference-Free Multi-Modality Volume Registration of X-Ray Microscopy and Light-Sheet Fluorescence Microscopy
- Title(参考訳): X線顕微鏡と光シート蛍光顕微鏡の基準自由多モードボリュームレジストレーション
- Authors: Siyuan Mei, Fuxin Fan, Mareike Thies, Mingxuan Gu, Fabian Wagner, Oliver Aust, Ina Erceg, Zeynab Mirzaei, Georgiana Neag, Yipeng Sun, Yixing Huang, Andreas Maier,
- Abstract要約: X線顕微鏡と光シート蛍光顕微鏡は、骨改造疾患の予備研究において2つの重要な画像ツールとして登場した。
このような独立して取得した大規模ボリュームを登録することは、実数および参照なしのシナリオでは極めて困難である。
本稿では,XRMとLSFMのボリューム登録のための高速な2段階パイプラインを提案する。
- 参考スコア(独自算出の注目度): 4.09268945311192
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, X-ray microscopy (XRM) and light-sheet fluorescence microscopy (LSFM) have emerged as two pivotal imaging tools in preclinical research on bone remodeling diseases, offering micrometer-level resolution. Integrating these complementary modalities provides a holistic view of bone microstructures, facilitating function-oriented volume analysis across different disease cycles. However, registering such independently acquired large-scale volumes is extremely challenging under real and reference-free scenarios. This paper presents a fast two-stage pipeline for volume registration of XRM and LSFM. The first stage extracts the surface features and employs two successive point cloud-based methods for coarse alignment. The second stage fine-tunes the initial alignment using a modified cross-correlation method, ensuring precise volumetric registration. Moreover, we propose residual similarity as a novel metric to assess the alignment of two complementary modalities. The results imply robust gradual improvement across the stages. In the end, all correlating microstructures, particularly lacunae in XRM and bone cells in LSFM, are precisely matched, enabling new insights into bone diseases like osteoporosis which are a substantial burden in aging societies.
- Abstract(参考訳): 近年,X線顕微鏡 (XRM) と光シート蛍光顕微鏡 (LSFM) が骨修復疾患の予備研究において2つの重要な画像ツールとして登場し,顕微鏡レベルの解像度を提供している。
これらの相補的なモダリティを統合することで、骨の微細構造の全体像が得られ、様々な疾患サイクルにおける機能指向の体積分析が促進される。
しかし、そのような独立に取得した大規模ボリュームを登録することは、実数と参照なしのシナリオでは極めて困難である。
本稿では,XRMとLSFMのボリューム登録のための高速な2段階パイプラインを提案する。
第1段階は表面の特徴を抽出し、粗いアライメントのための2つの連続点雲ベースの手法を用いる。
第2段階は、修正された相互相関法を用いて初期アライメントを微調整し、正確なボリューム登録を保証する。
さらに,2つの相補的モダリティのアライメントを評価するための新しい指標として残差類似性を提案する。
その結果,段階的に緩やかな改善が得られた。
最終的に、XRMのラグナやLSFMの骨細胞など、関連するすべてのミクロ構造が正確に一致し、高齢化社会において重大な負担となる骨粗しょう症のような骨疾患に対する新たな洞察がもたらされる。
関連論文リスト
- Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳(メタデータ) (2023-12-19T22:40:51Z) - Learning to sample in Cartesian MRI [1.2432046687586285]
患者の快適さを高め、検査コストを減らし、スループットを向上させるため、臨床環境ではスキャン時間を短縮することが重要である。
圧縮センシング(CS)とディープラーニングの最近の進歩は、アンダーサンプルデータから高品質な画像を再構成することで、MRIの高速化を可能にする。
この論文は、カルテシアンMRIの文脈におけるこのギャップに対処する2つのアプローチを探求する。
論文 参考訳(メタデータ) (2023-12-07T14:38:07Z) - Correlated and Multi-frequency Diffusion Modeling for Highly
Under-sampled MRI Reconstruction [14.687337090732036]
既存のMRI再建法の多くは、特定の組織領域を考慮せずに、全MR画像のtar-geted再構成を行う。
これは、診断のための重要でない組織に対する再構成精度を強調できない可能性がある。
そこで本研究では,k空間データの特性と拡散過程を組み合わせることで,マルチ周波数先行のマイニングに焦点をあてる。
論文 参考訳(メタデータ) (2023-09-02T07:51:27Z) - Spatial and Modal Optimal Transport for Fast Cross-Modal MRI
Reconstruction [54.19448988321891]
本稿では,T1重み付き画像(T1WIs)を補助モダリティとして活用し,T2WIsの取得を高速化するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
最適輸送(OT)を用いてT1WIを整列させてT2WIを合成し、クロスモーダル合成を行う。
再構成されたT2WIと合成されたT2WIがT2画像多様体に近づき、繰り返しが増加することを示す。
論文 参考訳(メタデータ) (2023-05-04T12:20:51Z) - Unify, Align and Refine: Multi-Level Semantic Alignment for Radiology
Report Generation [48.723504098917324]
マルチレベル・クロスモーダルアライメントを学習するためのUnify, Align, then Refine (UAR)アプローチを提案する。
本稿では,Latent Space Unifier,Cross-modal Representation Aligner,Text-to-Image Refinerの3つの新しいモジュールを紹介する。
IU-XrayおよびMIMIC-CXRベンチマークデータセットの実験と解析は、UARの様々な最先端手法に対する優位性を実証している。
論文 参考訳(メタデータ) (2023-03-28T12:42:12Z) - Dual-Domain Self-Supervised Learning for Accelerated Non-Cartesian MRI
Reconstruction [14.754843942604472]
非カルテシアンMRIの再生を高速化するための完全自己教師型アプローチを提案する。
トレーニングでは、アンダーサンプリングされたデータは、非結合のk空間ドメイン分割に分割される。
画像レベルの自己スーパービジョンでは、元のアンサンプデータから得られる外観整合性を強制する。
論文 参考訳(メタデータ) (2023-02-18T06:11:49Z) - Self-Supervised Isotropic Superresolution Fetal Brain MRI [18.101182910545223]
超高分解能T2強調胎児脳磁気共鳴イメージング(FBMRI)は、伝統的に複数の2次元厚みスライス(巻)の低分解能シリーズの可用性に依存している。
しかし, 子宮運動と急速に変化する胎児脳解剖により, 教師あり学習方法の訓練に必要な高解像度画像の取得は困難である。
我々は,T2強調FBMRI(SAIR)のための自己教師型単一体積超解像フレームワークの概念実証を行う。
論文 参考訳(メタデータ) (2022-11-11T22:35:56Z) - Moving from 2D to 3D: volumetric medical image classification for rectal
cancer staging [62.346649719614]
術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。
直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2022-09-13T07:10:14Z) - Fast T2w/FLAIR MRI Acquisition by Optimal Sampling of Information
Complementary to Pre-acquired T1w MRI [52.656075914042155]
本稿では,MRIによる他のモダリティ獲得のためのアンダーサンプリングパターンを最適化するための反復的フレームワークを提案する。
公開データセット上で学習したアンダーサンプリングパターンの優れた性能を実証した。
論文 参考訳(メタデータ) (2021-11-11T04:04:48Z) - End-to-End Sequential Sampling and Reconstruction for MR Imaging [37.29958197193658]
本稿では,再建戦略と並行して逐次サンプリングポリシを学習するフレームワークを提案する。
提案手法は, 試験試料の96.96%において, 最新のk-空間サンプリングベースラインを上回っている。
論文 参考訳(メタデータ) (2021-05-13T17:56:18Z) - Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic
and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。
モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳(メタデータ) (2020-08-06T20:20:22Z)
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。