論文の概要: Learning to Match 2D Keypoints Across Preoperative MR and Intraoperative Ultrasound

• arxiv url: http://arxiv.org/abs/2409.08169v1
• Date: Thu, 12 Sep 2024 16:00:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-13 15:55:10.012192
• Title: Learning to Match 2D Keypoints Across Preoperative MR and Intraoperative Ultrasound
• Title（参考訳）: 術前MRと術中超音波における2次元キーポイントの一致の学習
• Authors: Hassan Rasheed, Reuben Dorent, Maximilian Fehrentz, Tina Kapur, William M. Wells III, Alexandra Golby, Sarah Frisken, Julia A. Schnabel, Nazim Haouchine,
• Abstract要約: 術前MR画像と術中超音波画像との整合性を考慮したテクスチャ不変2Dキーポイント記述法を提案する。 我々は,すべての画像に対してキーポイントのローカライゼーションを強制し,テクスチャ不変の識別特徴を教師付きコントラスト的に学習する患者固有の記述ネットワークをトレーニングすることで,トレーニングセットを構築した。 本実験は, 提案手法の有効性を実証し, 最先端手法に勝り, マッチング精度を平均80.35%向上した。
• 参考スコア（独自算出の注目度）: 38.1299082729891
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose in this paper a texture-invariant 2D keypoints descriptor specifically designed for matching preoperative Magnetic Resonance (MR) images with intraoperative Ultrasound (US) images. We introduce a matching-by-synthesis strategy, where intraoperative US images are synthesized from MR images accounting for multiple MR modalities and intraoperative US variability. We build our training set by enforcing keypoints localization over all images then train a patient-specific descriptor network that learns texture-invariant discriminant features in a supervised contrastive manner, leading to robust keypoints descriptors. Our experiments on real cases with ground truth show the effectiveness of the proposed approach, outperforming the state-of-the-art methods and achieving 80.35% matching precision on average.
• Abstract（参考訳）: 本稿では,術前MR画像と術中超音波画像との整合性を考慮したテクスチャ不変2Dキーポイント記述法を提案する。 複数MRモードと術中US変動を考慮したMR画像から術中US画像を合成するマッチング・バイ・シンセシス方式を提案する。 我々は,すべての画像に対してキーポイントのローカライゼーションを強制してトレーニングセットを構築し,テクスチャ不変の識別特徴を教師付きコントラスト方式で学習する患者固有のディスクリプタネットワークをトレーニングし,ロバストなキーポイント記述を実現する。 本実験は, 提案手法の有効性を実証し, 最先端の手法に勝り, マッチング精度を平均80.35%向上した。

関連論文リスト

• From Real Artifacts to Virtual Reference: A Robust Framework for Translating Endoscopic Images [27.230439605570812]
  内視鏡的画像検査では,術前データと術中画像の併用が手術計画やナビゲーションに重要である。 既存のドメイン適応法は、生体内アーティファクトによる分布シフトによって妨げられる。 本稿では,アーチファクト・レジリエントな画像翻訳手法とそれに関連するベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-10-15T02:41:52Z)
• Towards General Text-guided Image Synthesis for Customized Multimodal Brain MRI Generation [51.28453192441364]
  マルチモーダル脳磁気共鳴(MR)イメージングは神経科学や神経学において不可欠である。 現在のMR画像合成アプローチは、通常、特定のタスクのための独立したデータセットで訓練される。 テキスト誘導ユニバーサルMR画像合成モデルであるTUMSynについて述べる。
  論文  参考訳（メタデータ） (2024-09-25T11:14:47Z)
• 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)
• Unsupervised Multimodal 3D Medical Image Registration with Multilevel Correlation Balanced Optimization [22.633633605566214]
  マルチレベル相関バランス最適化に基づく教師なしマルチモーダル医用画像登録手法を提案する。 異なるモードの術前医療画像に対して、変形場間の最大融合により有効な情報のアライメントと積み重ねを実現する。
  論文  参考訳（メタデータ） (2024-09-08T09:38:59Z)
• Intra-video Positive Pairs in Self-Supervised Learning for Ultrasound [65.23740556896654]
  自己教師付き学習 (SSL) は, 医療画像におけるラベル付きデータの健全性に対処するための戦略である。 本研究では,同じBモード超音波映像をSSLのペアとして用いた近位画像の利用効果について検討した。 この手法は、従来の超音波特異的比較学習法の平均検査精度を新型コロナウイルスの分類で上回り、IVPP(Intra-Video Positive Pairs)と命名された。
  論文  参考訳（メタデータ） (2024-03-12T14:57:57Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• The Brain Tumor Segmentation (BraTS) Challenge 2023: Brain MR Image Synthesis for Tumor Segmentation (BraSyn) [9.082208613256295]
  本稿では,脳MR画像合成ベンチマーク(BraSyn)とMICCAI(Medical Image Computing and Computer-Assisted Intervention)2023を併用して,脳MR画像合成ベンチマーク(BraSyn)の確立について紹介する。 この課題の主な目的は、複数の利用可能な画像が提供される際に、MRIの欠落を現実的に生成できる画像合成手法を評価することである。
  論文  参考訳（メタデータ） (2023-05-15T20:49:58Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Unsupervised Image Registration Towards Enhancing Performance and Explainability in Cardiac And Brain Image Analysis [3.5718941645696485]
  モダリティ内およびモダリティ内アフィンおよび非リグイド画像登録は、臨床画像診断において必須の医用画像解析プロセスである。 本稿では、アフィンおよび非剛性変換を正確にモデル化できる教師なしディープラーニング登録手法を提案する。 本手法は,モーダリティ不変の潜在反感を学習するために,双方向のモーダリティ画像合成を行う。
  論文  参考訳（メタデータ） (2022-03-07T12:54:33Z)
• MR-Contrast-Aware Image-to-Image Translations with Generative Adversarial Networks [5.3580471186206005]
  MR取得パラメータの反復時間とエコー時間に基づいて,画像から画像へ生成する敵ネットワークを訓練する。 提案手法はピーク信号対雑音比と24.48と0.66の構造的類似性を示し,ピクセルベンチマークモデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-04-03T17:05:13Z)

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。