論文の概要: Continuous sPatial-Temporal Deformable Image Registration (CPT-DIR) for motion modelling in radiotherapy: beyond classic voxel-based methods

• arxiv url: http://arxiv.org/abs/2405.00430v1
• Date: Wed, 1 May 2024 10:26:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-05-02 15:57:39.051800
• Title: Continuous sPatial-Temporal Deformable Image Registration (CPT-DIR) for motion modelling in radiotherapy: beyond classic voxel-based methods
• Title（参考訳）: 放射線治療における運動モデリングのための連続sPatial-Temporal Deformable Image Registration(CPT-DIR)
• Authors: Xia Li, Muheng Li, Antony Lomax, Joachim Buhmann, Ye Zhang,
• Abstract要約: CPT-DIR(Continuous-sPatial-Temporal DIR)という,空間と時間の両方で連続的に動きをモデル化する暗黙的ニューラル表現(INR)に基づくアプローチを提案する。 DIRは,10例の肺4DCTのDIR-Labデータセットを用いて,ランドマーク精度(TRE),輪郭適合度(Dice),画像類似度(MAE)の測定を行った。 提案したCPT-DIRは、ランドマークTREを2.79mmから0.99mmに減らし、すべてのケースにおいてBスプラインの結果より優れている。
• 参考スコア（独自算出の注目度）: 10.17207334278678
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background and purpose: Deformable image registration (DIR) is a crucial tool in radiotherapy for extracting and modelling organ motion. However, when significant changes and sliding boundaries are present, it faces compromised accuracy and uncertainty, determining the subsequential contour propagation and dose accumulation procedures. Materials and methods: We propose an implicit neural representation (INR)-based approach modelling motion continuously in both space and time, named Continues-sPatial-Temporal DIR (CPT-DIR). This method uses a multilayer perception (MLP) network to map 3D coordinate (x,y,z) to its corresponding velocity vector (vx,vy,vz). The displacement vectors (dx,dy,dz) are then calculated by integrating velocity vectors over time. The MLP's parameters can rapidly adapt to new cases without pre-training, enhancing optimisation. The DIR's performance was tested on the DIR-Lab dataset of 10 lung 4DCT cases, using metrics of landmark accuracy (TRE), contour conformity (Dice) and image similarity (MAE). Results: The proposed CPT-DIR can reduce landmark TRE from 2.79mm to 0.99mm, outperforming B-splines' results for all cases. The MAE of the whole-body region improves from 35.46HU to 28.99HU. Furthermore, CPT-DIR surpasses B-splines for accuracy in the sliding boundary region, lowering MAE and increasing Dice coefficients for the ribcage from 65.65HU and 90.41% to 42.04HU and 90.56%, versus 75.40HU and 89.30% without registration. Meanwhile, CPT-DIR offers significant speed advantages, completing in under 15 seconds compared to a few minutes with the conventional B-splines method. Conclusion: Leveraging the continuous representations, the CPT-DIR method significantly enhances registration accuracy, automation and speed, outperforming traditional B-splines in landmark and contour precision, particularly in the challenging areas.
• Abstract（参考訳）: 背景と目的: 変形性画像登録(DIR)は臓器運動の抽出とモデル化のための放射線治療において重要なツールである。 しかし, 重要な変化やすべり境界が存在する場合, 精度と不確かさが損なわれ, その後の輪郭伝播と線量蓄積の手順が決定される。 材料と方法:我々は空間と時間の両方で動きを連続的にモデル化する暗黙的ニューラル表現(INR)に基づくアプローチ、Continues-sPatial-Temporal DIR (CPT-DIR)を提案する。 この方法はMLPネットワークを用いて3次元座標(x,y,z)を対応する速度ベクトル(vx,vy,vz)にマッピングする。 変位ベクトル(dx,dy,dz)は、時間とともに速度ベクトルを統合することによって計算される。 MLPのパラメータは、事前トレーニングなしで新しいケースに迅速に適応でき、最適化が向上する。 DIRは,10例の肺4DCTのDIR-Labデータセットを用いて,ランドマーク精度(TRE),輪郭適合度(Dice),画像類似度(MAE)の測定を行った。 結果: 提案したCPT-DIRは, ランドマークTREを2.79mmから0.99mmに低減し, 全症例においてBスプラインの成績を上回った。 全身領域のMAEは35.46HUから28.99HUに改善されている。 さらに、CPT-DIRはスライディング境界領域の精度をBスプラインを超え、MAEを低下させ、リブケージのジス係数を65.65HU、90.41%から42.04HU、90.56%に増加させ、登録無しでは75.40HU、89.30%とした。 一方、CPT-DIRは、従来のB-スプライン方式に比べて15秒未満で完了する。 結論: CPT-DIR法は, 連続表現の活用により, 登録精度, 自動化, 速度を著しく向上し, ランドマークおよび輪郭精度において, 特に困難な領域において, 従来のB-スプラインよりも優れていた。

関連論文リスト

• Toward Reliable AR-Guided Surgical Navigation: Interactive Deformation Modeling with Data-Driven Biomechanics and Prompts [21.952265898720825]
  本稿では,計算効率を向上しつつ,FEMレベルの精度を維持するデータ駆動アルゴリズムを提案する。 変形モデリングプロセスに新たなヒューマン・イン・ザ・ループ機構を導入する。 提案アルゴリズムは, 平均目標登録誤差を3.42mmとし, ボリューム精度で最先端の手法を超越した。
  論文  参考訳（メタデータ） (2025-06-08T14:19:54Z)
• Capturing Longitudinal Changes in Brain Morphology Using Temporally Parameterized Neural Displacement Fields [1.8124328823188356]
  時間パラメータ化ニューラル変位場を用いた構造変化をモデル化する新しい縦型登録法を提案する。 本手法が4次元脳MRレジストレーションに及ぼす影響を実証する。
  論文  参考訳（メタデータ） (2025-04-13T10:38:00Z)
• X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [45.31051025401413]
  X$2$-Gaussianは、連続4DCT再構成のための新しいフレームワークである。 動的放射スプラッティングと自己監督型呼吸運動学習を統合している。 従来の手法に比べて9.93dBのPSNR向上と2.25dBの改善を実現している。
  論文  参考訳（メタデータ） (2025-03-27T17:59:57Z)
• A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on Whole-Body Diffusion-Weighted MRI (WB-DWI) [0.0]
  全体拡散強調MRI(WB-DWI)のADC値とTotal Diffusion Volume(TDV)が癌画像バイオマーカーとして認識されている。 最初のステップとして, 骨格, 隣接する内臓器(肝, 脾臓, 膀胱, 腎臓) および脊髄の高速かつ再現可能な確率マップを生成するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-26T17:03:46Z)
• Weakly Supervised Spatial Implicit Neural Representation Learning for 3D MRI-Ultrasound Deformable Image Registration in HDR Prostate Brachytherapy [5.457582385030137]
  本研究は, 3次元MRI-USデフォルマブル登録のためのSINRを基盤とした新しい手法を提案する。 HDR前立腺切開療法におけるリアルタイム画像誘導の精度,堅牢性,計算効率の向上を実現している。
  論文  参考訳（メタデータ） (2025-03-18T16:30:08Z)
• AI-Powered Automated Model Construction for Patient-Specific CFD Simulations of Aortic Flows [8.062885940500259]
  本研究では,医用画像からシミュレーション可能な血管モデルを作成するためのディープラーニングフレームワークを提案する。 提案手法は,手作業や処理時間を著しく削減しつつ,セグメンテーションとメッシュ品質の最先端性能を示す。
  論文  参考訳（メタデータ） (2025-03-16T14:18:25Z)
• SkelMamba: A State Space Model for Efficient Skeleton Action Recognition of Neurological Disorders [14.304356695180005]
  骨格に基づく人間行動認識のための新しい状態空間モデル(SSM)を提案する。 本モデルでは,複数部位にわたる局所的な関節相互作用と大域的な運動パターンを捉える。 この歩行認識分解は、診断において重要な微妙な動きパターンを識別する能力を高める。
  論文  参考訳（メタデータ） (2024-11-29T08:43:52Z)
• Future frame prediction in chest cine MR imaging using the PCA respiratory motion model and dynamically trained recurrent neural networks [0.0]
  肺放射線治療システムは、推定腫瘍位置の不確実性や健康な組織の高照射を引き起こす遅延を受ける。 この研究は、オンライン学習アルゴリズムで訓練されたRNNを用いて、胸部ダイナミックMRIシーケンスの将来のフレーム予測に対処し、その遅延を補償する。
  論文  参考訳（メタデータ） (2024-10-08T10:21:43Z)
• CPT-Interp: Continuous sPatial and Temporal Motion Modeling for 4D Medical Image Interpolation [22.886841531680567]
  4D医療画像からの運動情報は、臨床評価と放射線治療計画のための患者解剖学の動的変化に関する重要な洞察を提供する。 しかし、画像ハードウェアの物理的および技術的な制約は、時間分解能と画質の妥協を必要とすることが多い。 暗黙的神経表現を用いた患者解剖運動を連続的にモデル化するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-24T09:35:42Z)
• Density-based Isometric Mapping [5.249541137718378]
  PR-Isomapは、情報を保存しながらHD属性を低次元(LD)空間に投影する。 PR-Isomapは、肺炎80.9%(STD:5.8)、78.5%(STD:4.4)、88.4%(STD:1.4)、61.4%(STD:11.4)の最高精度を達成した。
  論文  参考訳（メタデータ） (2024-03-04T22:51:51Z)
• Neural Graphics Primitives-based Deformable Image Registration for On-the-fly Motion Extraction [9.599774878892665]
  放射線治療における屈折内運動は、通常、変形性画像登録(DIR)を用いてモデル化される 既存の手法は、しばしば速度と精度のバランスをとるのに苦労し、臨床シナリオにおける適用性を制限する。 本研究では、ニューラルネットワークプリミティブ(NGP)を利用して変位ベクトル場(DVF)を最適化する新しいアプローチを提案する。 本手法を4D-CT肺データセットDIR-labで検証し,1.77秒で1.15pm1.15mmの目標登録誤差(TRE)を達成した。
  論文  参考訳（メタデータ） (2024-02-08T11:09:27Z)
• DiffusionPCR: Diffusion Models for Robust Multi-Step Point Cloud Registration [73.37538551605712]
  ポイントクラウド登録(PCR)は、2つのポイントクラウド間の相対的な厳密な変換を推定する。 本稿では, PCR を拡散確率過程として定式化し, ノイズ変換を基礎的真理にマッピングする。 実験ではDiffusionPCRの有効性を示し,3Dおよび3DLoMatchに対する最先端の登録リコール率(95.3%/81.6%)を得た。
  論文  参考訳（メタデータ） (2023-12-05T18:59:41Z)
• WarpEM: Dynamic Time Warping for Accurate Catheter Registration in EM-guided Procedures [42.72633281833923]
  本稿ではEM誘導MIEPのための新しい自動カテーテル登録法を提案する。 この方法は、動的時間ワープ(DTW)アルゴリズムなどの3次元信号時間解析を用いて、登録精度と信頼性を向上させる。 その結果、DTW法は、平均誤差が2.22$mmの正確で信頼性の高い登録結果が得られることが示された。
  論文  参考訳（メタデータ） (2023-08-07T15:07:21Z)
• GLSFormer : Gated - Long, Short Sequence Transformer for Step Recognition in Surgical Videos [57.93194315839009]
  本稿では,シーケンスレベルのパッチから時間的特徴を直接学習するための視覚変換器に基づくアプローチを提案する。 本研究では,白内障手術用ビデオデータセットである白内障-101とD99に対するアプローチを広範に評価し,各種の最先端手法と比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2023-07-20T17:57:04Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Post-Processing Temporal Action Detection [134.26292288193298]
  時間的行動検出(TAD)法は、通常、入力された可変長のビデオを固定長のスニペット表現シーケンスに変換する際に、前処理のステップを踏む。 この前処理ステップは、ビデオを時間的にダウンサンプリングし、推論の解像度を低減し、元の時間分解における検出性能を阻害する。 モデルの再設計や再学習を伴わない新しいモデル非依存のポストプロセッシング手法を提案する。
  論文  参考訳（メタデータ） (2022-11-27T19:50:37Z)
• Automated Precision Localization of Peripherally Inserted Central Catheter Tip through Model-Agnostic Multi-Stage Networks [3.5255361096618523]
  末梢挿入型中心カテーテル(PICC)は,感染率の低い長期血管内アクセスにより,CVCの代表的中心静脈の1つとして広く用いられている。 PICCの致命的な欠点は、先端の誤植の頻度が高く、穿刺、塞栓、心不整脈などの合併症のリスクが高まることである。 最新のディープラーニング(DL)技術を使って、それを自動的かつ正確に検出することで、様々な試みがなされている。 本研究の目的は,既存のモデルに適用可能なシステムを開発し,PICCラインをより正確に復元することである。
  論文  参考訳（メタデータ） (2022-06-14T10:26:47Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Automated Cardiac Resting Phase Detection Targeted on the Right Coronary Artery [5.227072666312533]
  提案されたプロトタイプシステムは3つの主要なステップで構成されている。 まず、関心領域(ROI)のローカライゼーションを行う。 第2に、すべての時間点にわたる収穫されたROI系列を定量的に追跡する。 第3に、RPを分類するために出力運動値を使用する。
  論文  参考訳（メタデータ） (2021-09-06T10:29:52Z)
• A Deep Discontinuity-Preserving Image Registration Network [73.03885837923599]
  ほとんどの深層学習に基づく登録法は、所望の変形場が全世界的に滑らかで連続的であると仮定する。 本稿では、より優れた登録性能とリアルな変形場を得るために、弱い教師付き深部不連続保存画像登録ネットワーク(DDIR)を提案する。 本研究では, 心臓磁気共鳴(MR)画像の登録実験において, 登録精度を大幅に向上し, より現実的な変形を予測できることを実証した。
  論文  参考訳（メタデータ） (2021-07-09T13:35:59Z)
• SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
  3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。 アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。 提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-12T05:51:29Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• 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)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。