論文の概要: RayEmb: Arbitrary Landmark Detection in X-Ray Images Using Ray Embedding Subspace

• arxiv url: http://arxiv.org/abs/2410.08152v1
• Date: Thu, 10 Oct 2024 17:36:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-31 05:05:45.019789
• Title: RayEmb: Arbitrary Landmark Detection in X-Ray Images Using Ray Embedding Subspace
• Title（参考訳）: RayEmb: 埋め込み部分空間を用いたX線画像の任意ランドマーク検出
• Authors: Pragyan Shrestha, Chun Xie, Yuichi Yoshii, Itaru Kitahara,
• Abstract要約: 術前CTによるX線画像の術中2D-3D記録は整形外科手術において極めて重要である。 本稿では,X線画像中の任意のランドマーク点を検出することで,この問題に対処する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.7937206070844555
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intra-operative 2D-3D registration of X-ray images with pre-operatively acquired CT scans is a crucial procedure in orthopedic surgeries. Anatomical landmarks pre-annotated in the CT volume can be detected in X-ray images to establish 2D-3D correspondences, which are then utilized for registration. However, registration often fails in certain view angles due to poor landmark visibility. We propose a novel method to address this issue by detecting arbitrary landmark points in X-ray images. Our approach represents 3D points as distinct subspaces, formed by feature vectors (referred to as ray embeddings) corresponding to intersecting rays. Establishing 2D-3D correspondences then becomes a task of finding ray embeddings that are close to a given subspace, essentially performing an intersection test. Unlike conventional methods for landmark estimation, our approach eliminates the need for manually annotating fixed landmarks. We trained our model using the synthetic images generated from CTPelvic1K CLINIC dataset, which contains 103 CT volumes, and evaluated it on the DeepFluoro dataset, comprising real X-ray images. Experimental results demonstrate the superiority of our method over conventional methods. The code is available at https://github.com/Pragyanstha/rayemb.
• Abstract（参考訳）: 術前CTによるX線画像の術中2D-3D記録は整形外科手術において極めて重要である。 CTボリュームに予め記載された解剖学的ランドマークは、X線画像から検出され、2D-3D対応が確立され、登録に使用される。 しかし、登録はランドマークの視界が悪いため、特定の角度で失敗することが多い。 本稿では,X線画像中の任意のランドマーク点を検出することで,この問題に対処する新しい手法を提案する。 我々のアプローチは、交差する光線に対応する特徴ベクトル(光線埋め込みと呼ばれる)によって形成される、異なる部分空間として3Dポイントを表現している。 2D-3D対応の確立は、与えられた部分空間に近い光線埋め込みを発見し、本質的に交叉試験を行うタスクとなる。 従来のランドマーク推定法とは異なり,本手法では固定されたランドマークを手動でアノテートする必要がなくなる。 CTPelvic1K CLINICデータセットから生成された103個のCTボリュームを含む合成画像を用いてモデルを訓練し、実際のX線画像からなるDeepFluoroデータセットで評価した。 実験により,本手法が従来の方法よりも優れていることを示す。 コードはhttps://github.com/Pragyanstha/rayembで公開されている。

関連論文リスト

• Coarse-Fine View Attention Alignment-Based GAN for CT Reconstruction from Biplanar X-Rays [22.136553745483305]
  本稿では,両平面ビューから抽出した特徴を組み合わせるために,新しい注目インフォームド粗視視融合法を提案する。 提案手法がSOTA法よりも優れていることを示す実験を行った。
  論文  参考訳（メタデータ） (2024-08-19T06:57:07Z)
• X-ray2CTPA: Generating 3D CTPA scans from 2D X-ray conditioning [24.233484690096898]
  胸部X線または胸部X線撮影(CXR)はCTスキャンと比較して限られた画像撮影を可能にする。 CTスキャンはCXRよりもコストが高く、放射線被曝も大きく、アクセス性も低い。 本研究では,2次元低コントラスト分解能X線入力から3次元高コントラストおよび空間分解能Aスキャンへのクロスモーダル変換について検討する。
  論文  参考訳（メタデータ） (2024-06-23T13:53:35Z)
• X-Ray: A Sequential 3D Representation For Generation [54.160173837582796]
  我々は、X線スキャンにインスパイアされた新しい3Dシーケンシャル表現であるX線を紹介する。 X線は3Dオブジェクトを異なる層で一連の表面フレームに変換するため、画像から3Dモデルを生成するのに適している。
  論文  参考訳（メタデータ） (2024-04-22T16:40:11Z)
• Multi-view X-ray Image Synthesis with Multiple Domain Disentanglement from CT Scans [10.72672892416061]
  過剰投与されたX線は、ある程度人間の健康への潜在的なリスクを重畳する。 ボリュームスキャンからX線画像へのデータ駆動アルゴリズムは、ペア化されたX線とボリュームデータの不足によって制限される。 我々は,3つの異なる画像領域からのコンテンツとスタイルのゆがみを利用して,X線画像をエンドツーエンドに合成するCT2X-GANを提案する。
  論文  参考訳（メタデータ） (2024-04-18T04:25:56Z)
• Radiative Gaussian Splatting for Efficient X-ray Novel View Synthesis [88.86777314004044]
  我々は,X線ノベルビュー可視化のための3次元ガウシアンスプラッティングに基づくフレームワーク,すなわちX-ガウシアンを提案する。 実験の結果,X-Gaussianは6.5dBの最先端手法より優れており,トレーニング時間は15%未満であり,推論速度は73倍であることがわかった。
  論文  参考訳（メタデータ） (2024-03-07T00:12:08Z)
• X-Ray to CT Rigid Registration Using Scene Coordinate Regression [1.1687067206676627]
  本稿では,極端視点に頑健な完全自動登録手法を提案する。 これは、与えられたX線画像の重なり合う座標を回帰する完全な畳み込みニューラルネットワーク(CNN)に基づいている。 提案手法は, 模擬試験データセットの50パーセンタイルにおける平均平均目標登録誤差(mTRE)を3.79mmとし, ペルビス登録のための実フルオロスコープ画像の50パーセンタイルにおける平均目標登録誤差(mTRE)を9.65mmと予測した。
  論文  参考訳（メタデータ） (2023-11-25T17:48:46Z)
• Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
  Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。 従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。 これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。 本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-26T14:38:42Z)
• Stereo X-ray Tomography [0.0]
  X線トモグラフィーは強力な技術であるが、詳細な3Dイメージングでは多数の個々のX線画像を取得する必要がある。 本稿では,立体視にインスパイアされた2つのX線投影画像で動作するX線イメージング法を提案する。
  論文  参考訳（メタデータ） (2023-02-26T02:20:18Z)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• XraySyn: Realistic View Synthesis From a Single Radiograph Through CT Priors [118.27130593216096]
  放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。 私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。 本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
  論文  参考訳（メタデータ） (2020-12-04T05:08:53Z)

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。