論文の概要: Volume Rendering of Human Hand Anatomy
- arxiv url: http://arxiv.org/abs/2411.18630v1
- Date: Thu, 14 Nov 2024 04:10:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-08 09:45:38.923930
- Title: Volume Rendering of Human Hand Anatomy
- Title（参考訳）: 人手解剖のボリュームレンダリング
- Authors: Jingtao Huang, Bohan Wang, Zhiyuan Gao, Mianlun Zheng, George Matcuk, Jernej Barbic,
- Abstract要約: 人間の手は解剖学的に複雑で、限られた空間内に様々な臓器を含んでいる。
本研究は,手筋骨格器官の体積が手の中で最大であるため,手指に焦点をあてる。
本手法は,手指のMRIボリュームデータと,その内臓器の形状と既知のセグメント化を用いて,手指の高画質なボリュームレンダリング画像を生成する。
- 参考スコア（独自算出の注目度）: 14.677561340943464
- License:
- Abstract: We study the design of transfer functions for volumetric rendering of magnetic resonance imaging (MRI) datasets of human hands. Human hands are anatomically complex, containing various organs within a limited space, which presents challenges for volumetric rendering. We focus on hand musculoskeletal organs because they are volumetrically the largest inside the hand, and most important for the hand's main function, namely manipulation of objects. While volumetric rendering is a mature field, the choice of the transfer function for the different organs is arguably just as important as the choice of the specific volume rendering algorithm; we demonstrate that it significantly influences the clarity and interpretability of the resulting images. We assume that the hand MRI scans have already been segmented into the different organs (bones, muscles, tendons, ligaments, subcutaneous fat, etc.). Our method uses the hand MRI volume data, and the geometry of its inner organs and their known segmentation, to produce high-quality volume rendering images of the hand, and permits fine control over the appearance of each tissue. We contribute two families of transfer functions to emphasize different hand tissues of interest, while preserving the visual context of the hand. We also discuss and reduce artifacts present in standard volume ray-casting of human hands. We evaluate our volumetric rendering on five challenging hand motion sequences. Our experimental results demonstrate that our method improves hand anatomy visualization, compared to standard surface and volume rendering techniques.
- Abstract（参考訳）: 本研究では,ヒトの手のMRIデータセットのボリュームレンダリングのための伝達関数の設計について検討する。
人間の手は解剖学的に複雑で、限られた空間に様々な臓器を含んでいる。
本研究は,手筋骨格器官に焦点をあてる。それは,手の内部で最大であり,手の主要な機能,すなわち物体の操作に最も重要であるからである。
ボリュームレンダリングは成熟した分野である一方で、異なる臓器に対する転送関数の選択は、特定のボリュームレンダリングアルゴリズムの選択と同じくらい重要である。
手のMRI画像はすでに、骨、筋肉、腱、靭帯、皮下脂肪など)に分割されていると仮定する。
本手法は,手指のMRIボリュームデータと,その内臓器の形状,およびその既知のセグメンテーションを用いて,手指の高品質なボリュームレンダリング画像を生成し,各組織の外観をきめ細かな制御を可能にする。
本研究は,手指の視覚的コンテキストを保ちながら,異なる利き手組織を強調するために,伝達機能の2つのファミリーに貢献する。
また、人間の手の標準的な体積線キャストに存在するアーティファクトについて論じ、削減する。
我々は,5つの手の動き列のボリュームレンダリングを評価した。
実験により,本手法は標準的な表面・ボリュームレンダリング技術と比較して手動の解剖学的可視化を改善することが示された。
関連論文リスト
- Motion Artifact Removal in Pixel-Frequency Domain via Alternate Masks and Diffusion Model [58.694932010573346]
MRI(MRI)における運動アーチファクトは臨床診断に深刻な干渉を与える可能性がある。
ノイズの多いMRI画像の画素周波数情報を利用して、事前学習した拡散モデルを誘導し、クリーンなMRI画像の復元を行う新しい教師なし浄化法を提案する。
論文 参考訳（メタデータ） (2024-12-10T15:25:18Z) - Deformation-Aware Segmentation Network Robust to Motion Artifacts for Brain Tissue Segmentation using Disentanglement Learning [5.354351782195383]
磁気共鳴画像(MRI)における運動アーティファクトの意義
本研究では,動作補正と頑健な脳組織分割の両面で優れた性能を示す新しいディープラーニングフレームワークを提案する。
In-vivo experiment on pediatric Motion data, we proposed on the-of-the-art method in segmenting motion-corrupted MRI scans。
論文 参考訳（メタデータ） (2024-12-05T06:52:42Z) - Brain3D: Generating 3D Objects from fMRI [76.41771117405973]
被験者のfMRIデータを入力として利用する新しい3Dオブジェクト表現学習手法であるBrain3Dを設計する。
我々は,人間の視覚系の各領域の異なる機能的特徴を,我々のモデルが捉えていることを示す。
予備評価は、Brain3Dがシミュレーションシナリオで障害した脳領域を正常に識別できることを示唆している。
論文 参考訳（メタデータ） (2024-05-24T06:06:11Z) - Psychometry: An Omnifit Model for Image Reconstruction from Human Brain Activity [60.983327742457995]
人間の脳活動から見るイメージを再構築することで、人間とコンピュータのビジョンをBrain-Computer Interfaceを通して橋渡しする。
異なる被験者から得られた機能的磁気共鳴イメージング(fMRI)による画像再構成のための全能モデルであるサイコメトリを考案した。
論文 参考訳（メタデータ） (2024-03-29T07:16:34Z) - Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。
本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文 参考訳（メタデータ） (2023-11-22T05:44:51Z) - Semantics2Hands: Transferring Hand Motion Semantics between Avatars [34.39785320233128]
手の動きの小さなエラーでさえ、ユーザエクスペリエンスに大きな影響を与えます。
本稿では,手の動きのセマンティクスを符号化した新しい解剖学的意味行列(ASM)を提案する。
我々は、MixamoとInterHand2.6Mデータセットの半教師付き学習戦略を用いてASMを訓練する。
論文 参考訳（メタデータ） (2023-08-11T03:07:31Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - Gray Matter Segmentation in Ultra High Resolution 7 Tesla ex vivo T2w
MRI of Human Brain Hemispheres [9.196429840458629]
我々は、32個のヒト脳標本からなる高解像度7個のTeslaデータセットを提示する。
9つのニューラルネットワークアーキテクチャの皮質マントルセグメンテーション性能をベンチマークした。
異なる試料の脳半球全体、および異なる磁場強度および撮像配列で得られた見えない画像に対して、優れた汎化能力を示す。
論文 参考訳（メタデータ） (2021-10-14T21:01:18Z) - Generalized Organ Segmentation by Imitating One-shot Reasoning using
Anatomical Correlation [55.1248480381153]
そこで我々は,アノテーション付きオルガンクラスから一般化されたオルガン概念を学習し,その概念を未知のクラスに転送するOrganNetを提案する。
そこで,OrganNetは臓器形態の幅広い変化に効果的に抵抗でき,一発分節タスクで最先端の結果が得られることを示す。
論文 参考訳（メタデータ） (2021-03-30T13:41:12Z) - 3D Reconstruction and Segmentation of Dissection Photographs for
MRI-free Neuropathology [2.4984854046383624]
脳郭清画像から全脳像量を再構成・分画する手法を提案する。
3次元再構成は、MRI以外の参照ボリュームを使用する共同登録フレームワークによって達成される。
我々は,Diceスコアとボリューム相関を用いて,24脳のデータセット上で本手法の評価を行った。
論文 参考訳（メタデータ） (2020-09-11T18:21:00Z)
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。