論文の概要: 2D-3D Deformable Image Registration of Histology Slide and Micro-CT with ML-based Initialization

• arxiv url: http://arxiv.org/abs/2410.14343v1
• Date: Fri, 18 Oct 2024 09:51:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-21 14:24:24.510315
• Title: 2D-3D Deformable Image Registration of Histology Slide and Micro-CT with ML-based Initialization
• Title（参考訳）: 2D-3Dデフォルマブル画像のML初期化による組織スライドとマイクロCTの登録
• Authors: Junan Chen, Matteo Ronchetti, Verena Stehl, Van Nguyen, Muhannad Al Kallaa, Mahesh Thalwaththe Gedara, Claudia Lölkes, Stefan Moser, Maximilian Seidl, Matthias Wieczorek,
• Abstract要約: 軟部組織CTの画質は低かったため,組織スライドとmuCTとの相関が困難であった。 本稿では,新しい2D-3Dマルチモーダルデフォルマブル画像登録法を提案する。
• 参考スコア（独自算出の注目度）: 2.1409936129568377
• License:
• Abstract: Recent developments in the registration of histology and micro-computed tomography ({\mu}CT) have broadened the perspective of pathological applications such as virtual histology based on {\mu}CT. This topic remains challenging because of the low image quality of soft tissue CT. Additionally, soft tissue samples usually deform during the histology slide preparation, making it difficult to correlate the structures between histology slide and {\mu}CT. In this work, we propose a novel 2D-3D multi-modal deformable image registration method. The method uses a machine learning (ML) based initialization followed by the registration. The registration is finalized by an analytical out-of-plane deformation refinement. The method is evaluated on datasets acquired from tonsil and tumor tissues. {\mu}CTs of both phase-contrast and conventional absorption modalities are investigated. The registration results from the proposed method are compared with those from intensity- and keypoint-based methods. The comparison is conducted using both visual and fiducial-based evaluations. The proposed method demonstrates superior performance compared to the other two methods.
• Abstract（参考訳）: 病理組織学および微小CT({\mu}CT)の登録の最近の進歩は、仮想組織学などの病理学的な応用の視点を広げている。 軟部組織CTの画質が低いため,この話題はいまだに困難である。 また, 軟組織試料は組織学的スライディングの過程で変形し, 組織学的スライディングと組織CTとの相関が困難である。 本研究では,新しい2D-3Dマルチモーダルデフォルマブル画像登録法を提案する。 この方法は機械学習(ML)に基づいて初期化を行い、その後登録する。 登録は、解析的な外面変形改質によって確定される。 本手法は扁桃および腫瘍組織から得られたデータセットを用いて評価する。 位相コントラストと従来の吸収モードの両方のCTについて検討した。 提案手法の登録結果は,強度法とキーポイント法とを比較した。 この比較は視覚的評価と画像的評価の両方を用いて行われる。 提案手法は,他の2手法と比較して優れた性能を示す。

関連論文リスト

• Tissue-Contrastive Semi-Masked Autoencoders for Segmentation Pretraining on Chest CT [10.40407976789742]
  胸部CT画像のモデリングのための組織コントラストセミマスクオートエンコーダ(TCS-MAE)と呼ばれるMIM法を提案する。 本手法は, 組織型マスキング再構成法により, より微細な解剖学的特徴を捉えるとともに, マスク画像とオリジナル画像との対比学習を施した二重AEアーキテクチャを設計した。
  論文  参考訳（メタデータ） (2024-07-12T03:24:17Z)
• Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
  圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。 拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。 本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
  論文  参考訳（メタデータ） (2023-06-05T22:09:06Z)
• A Hybrid Deep Feature-Based Deformable Image Registration Method for Pathology Images [18.439134996404274]
  病理学者は、正確な診断のために、異なる染色された病理スライスからの情報を組み合わせる必要がある。 本稿では, 染色された病理試料に対するハイブリッドな特徴量に基づく変形可能な画像登録フレームワークを提案する。 提案手法は,平均平均登録目標誤差(rTRE)が0.0034に達すると,従来の手法よりも17%向上する。
  論文  参考訳（メタデータ） (2022-08-16T10:35:18Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• 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)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
  新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。 提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。 本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-01-14T01:39:19Z)
• LEARN++: Recurrent Dual-Domain Reconstruction Network for Compressed Sensing CT [17.168584459606272]
  LEARN++モデルは、2つの並列およびインタラクティブワークを統合して、画像と投影ドメインの両方で画像復元とシングラムインペインティング操作を同時に実行します。 その結果,learn++モデルは,アーティファクトの削減と細部保存の両面で,いくつかの最先端手法と比較して,競争力のある質的,定量的な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2020-12-13T07:00:50Z)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)
• Dual Convolutional Neural Networks for Breast Mass Segmentation and Diagnosis in Mammography [18.979126709943085]
  本稿では,マンモグラム画像処理のための新しいディープラーニングフレームワークを提案する。 本手法はデュアルパスアーキテクチャで構築され,そのマッピングをデュアルプロブレム方式で解決する。 実験の結果,DualCoreNetはマンモグラフィーのセグメンテーションと分類を同時に達成し,最近の最先端モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-08-07T02:23:36Z)

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。