論文の概要: A New Method in Facial Registration in Clinics Based on Structure Light Images

• arxiv url: http://arxiv.org/abs/2405.14292v1
• Date: Thu, 23 May 2024 08:10:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-24 18:14:32.486228
• Title: A New Method in Facial Registration in Clinics Based on Structure Light Images
• Title（参考訳）: 構造光画像に基づく診療所における顔登録の新しい方法
• Authors: Pengfei Li, Ziyue Ma, Hong Wang, Juan Deng, Yan Wang, Zhenyu Xu, Feng Yan, Wenjun Tu, Hong Sha,
• Abstract要約: 神経外科では、情報と詳細を改善するための臨床画像と深度画像の融合が手術に有用である。 既存の方法では,顔深度画像の登録が頻繁に無効であることが判明した。 我々は,顔認識に使用可能なC++ライブラリであるdlibライブラリを使用し,構造光カメラとCT画像から顔のキーポイントを認識した。 新たな手法は, 構造光画像とCT画像から低誤差で顔深度画像の登録に成功した。
• 参考スコア（独自算出の注目度）: 15.464410275570796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background and Objective: In neurosurgery, fusing clinical images and depth images that can improve the information and details is beneficial to surgery. We found that the registration of face depth images was invalid frequently using existing methods. To abundant traditional image methods with depth information, a method in registering with depth images and traditional clinical images was investigated. Methods: We used the dlib library, a C++ library that could be used in face recognition, and recognized the key points on faces from the structure light camera and CT image. The two key point clouds were registered for coarse registration by the ICP method. Fine registration was finished after coarse registration by the ICP method. Results: RMSE after coarse and fine registration is as low as 0.995913 mm. Compared with traditional methods, it also takes less time. Conclusions: The new method successfully registered the facial depth image from structure light images and CT with a low error, and that would be promising and efficient in clinical application of neurosurgery.
• Abstract（参考訳）: 背景と目的: 神経外科では、情報と詳細を改善するための臨床画像と深度画像の融合が手術に有用である。 既存の方法では,顔深度画像の登録が頻繁に無効であることが判明した。 深度情報を用いた従来の画像手法を豊富にするために,深度画像と従来の臨床画像の登録方法を検討した。 方法: 顔認識に使用可能なC++ライブラリであるdlibライブラリを使用し, 構造光カメラとCT画像から顔のキーポイントを認識した。 2つのキーポイントクラウドはICP法で粗い登録のために登録された。 粗大な登録をICP法で完了した。 結果: RMSEの粗大化と微粒化は0.995913mm以下である。 従来の方法と比較すると、時間も少なくなります。 結論: 新しい方法は, 構造光画像とCT画像から低誤差で顔深度画像の登録に成功した。

関連論文リスト

• CTARR: A fast and robust method for identifying anatomical regions on CT images via atlas registration [0.09130220606101362]
  我々はCT解剖学的領域認識のための新しい汎用手法であるCTARRを紹介する。 この方法は、ディープラーニングベースのCT画像解析パイプラインの事前処理ステップとして機能する。 提案手法は, アトラス登録に基づいて, 無ラベルCTスキャンから1つまたは複数の境界ボックスとして符号化された解剖学的領域を抽出する高速かつ堅牢な方法を提供する。
  論文  参考訳（メタデータ） (2024-10-03T08:52:21Z)
• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• 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)
• Machine learning based biomedical image processing for echocardiographic images [0.0]
  提案手法では,K-Nearest Neighbor (KNN) アルゴリズムを用いて医用画像のセグメンテーションを行う。 トレーニングされたニューラルネットワークは、エコー画像のグループで正常にテストされている。
  論文  参考訳（メタデータ） (2023-03-16T06:23:43Z)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• Unsupervised Deformable Image Registration with Absent Correspondences in Pre-operative and Post-Recurrence Brain Tumor MRI Scans [11.4219428942199]
  本研究では,非対応な領域と双方向の変形場を共同で推定する深層学習に基づく変形可能な登録手法を提案する。 BraTS-Reg チャレンジによる3次元臨床データの結果から,画像アライメントの改善が実証された。
  論文  参考訳（メタデータ） (2022-06-08T13:53:03Z)
• 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)
• Compressed Sensing for Photoacoustic Computed Tomography Using an Untrained Neural Network [1.7237160821929758]
  光音響(PA)CT(PACT)は様々な臨床応用において大きな可能性を秘めている。 測定されたチャンネルの数を減らしたり、検出されたビューを制限すると、アーティファクトやサイドローブが画像を汚染する可能性がある。 本稿では,未学習ニューラルネットワークを用いたPACTの圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2021-05-29T09:01:58Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• Low Dose CT Denoising via Joint Bilateral Filtering and Intelligent Parameter Optimization [7.909848251752742]
  現在の臨床試験では,CT画像のノイズ低減に反復的再構成法が用いられている。 深層学習法はCT画像のノイズ化に成功している。 本稿では,JBF (Joint Bilateral Filter) を用いてCT画像の識別を行う。
  論文  参考訳（メタデータ） (2020-07-09T13:17:36Z)
• Data Consistent CT Reconstruction from Insufficient Data with Learned Prior Images [70.13735569016752]
  偽陰性病変と偽陽性病変を呈示し,CT画像再構成における深層学習の堅牢性について検討した。 本稿では,圧縮センシングと深層学習の利点を組み合わせた画像品質向上のためのデータ一貫性再構築手法を提案する。 提案手法の有効性は,円錐ビームCTにおいて,トランキャットデータ,リミテッドアングルデータ,スパースビューデータで示される。
  論文  参考訳（メタデータ） (2020-05-20T13:30:49Z)

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。