論文の概要: 4DRGS: 4D Radiative Gaussian Splatting for Efficient 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images

• arxiv url: http://arxiv.org/abs/2412.12919v1
• Date: Tue, 17 Dec 2024 13:51:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-18 13:57:29.584480
• Title: 4DRGS: 4D Radiative Gaussian Splatting for Efficient 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images
• Title（参考訳）: 4DRGS:Sparse-View Dynamic DSA画像を用いた高能率3次元血管再建のための4Dラジアルガウススメッティング
• Authors: Zhentao Liu, Ruyi Zha, Huangxuan Zhao, Hongdong Li, Zhiming Cui,
• Abstract要約: 既存の手法は、しばしば最適以下の結果を生成するか、過剰な計算時間を必要とする。 高品質な高精細化を実現するため、4次元ガウススプラッティング(4DRGS)を提案する。 4DRGSは5分間のトレーニングで印象的な結果を得る。
• 参考スコア（独自算出の注目度）: 49.170407434313475
• License:
• Abstract: Reconstructing 3D vessel structures from sparse-view dynamic digital subtraction angiography (DSA) images enables accurate medical assessment while reducing radiation exposure. Existing methods often produce suboptimal results or require excessive computation time. In this work, we propose 4D radiative Gaussian splatting (4DRGS) to achieve high-quality reconstruction efficiently. In detail, we represent the vessels with 4D radiative Gaussian kernels. Each kernel has time-invariant geometry parameters, including position, rotation, and scale, to model static vessel structures. The time-dependent central attenuation of each kernel is predicted from a compact neural network to capture the temporal varying response of contrast agent flow. We splat these Gaussian kernels to synthesize DSA images via X-ray rasterization and optimize the model with real captured ones. The final 3D vessel volume is voxelized from the well-trained kernels. Moreover, we introduce accumulated attenuation pruning and bounded scaling activation to improve reconstruction quality. Extensive experiments on real-world patient data demonstrate that 4DRGS achieves impressive results in 5 minutes training, which is 32x faster than the state-of-the-art method. This underscores the potential of 4DRGS for real-world clinics.
• Abstract（参考訳）: Sparse-view dynamic digital subtraction angiography (DSA)画像から3D血管構造を再構築することで、放射線照射を低減しつつ正確な医療評価が可能になる。 既存の手法は、しばしば最適以下の結果を生成するか、過剰な計算時間を必要とする。 本研究では,高品質な高精細化を実現するための4Dラジエーティブガウススプレーティング(4DRGS)を提案する。 詳しくは、4次元放射型ガウス核を持つ容器を表現している。 各カーネルは、静的な構造をモデル化するための位置、回転、スケールを含む、時間不変の幾何パラメータを持つ。 各カーネルの時間依存性中央減衰をコンパクトニューラルネットワークから予測し、コントラストエージェントフローの時間変化応答をキャプチャする。 我々はこれらのガウスカーネルをX線ラスタ化によりDSA画像を合成し、実際のキャプチャでモデルを最適化する。 最後の3D容器の体積は、よく訓練されたカーネルから酸化される。 さらに,再構成品質を向上させるため,累積減衰プルーニングと境界スケーリングアクティベーションを導入する。 実世界の患者データに対する大規模な実験は、4DRGSが5分間のトレーニングで印象的な結果を得ることを示した。 このことは、現実世界のクリニックにおける4DRGSの可能性を強調している。

関連論文リスト

• 4D Scaffold Gaussian Splatting for Memory Efficient Dynamic Scene Reconstruction [27.455934322535853]
  ストレージコストを低減しつつ、4Dガウスの視覚的品質とレンダリング速度を維持する4Dアンカーベースのフレームワークを提案する。 実験結果から,4DGSよりも最先端の視覚的品質と97.8%のストレージ削減を実現した。
  論文  参考訳（メタデータ） (2024-11-26T02:22:07Z)
• LGS: A Light-weight 4D Gaussian Splatting for Efficient Surgical Scene Reconstruction [33.794584735264884]
  動的内視鏡再建のための軽量4Dガウス切削フレームワーク(LGS)を提案する。 ガウス量の冗長性を最小限に抑えるため,変形対応プルーニングを提案する。 我々はまた、ガウス属性の次元を刻むことにより、非極端領域におけるテクスチャや照明の表現を単純化する。
  論文  参考訳（メタデータ） (2024-06-23T10:49:39Z)
• PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
  本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。 また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-06-14T17:53:55Z)
• DDGS-CT: Direction-Disentangled Gaussian Splatting for Realistic Volume Rendering [30.30749508345767]
  デジタル再構成ラジオグラフィ(DRR)は3次元CTボリュームから生成された2次元X線画像である。 そこで本研究では, DRR 生成を効率よく, 微分可能な DRR 生成で実現し, 現実的な物理にインスパイアされた X-ray シミュレーションを取り入れた新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-04T17:39:31Z)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
  現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。 スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。 本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
  論文  参考訳（メタデータ） (2024-05-17T11:23:33Z)
• 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)
• TiAVox: Time-aware Attenuation Voxels for Sparse-view 4D DSA Reconstruction [34.1903749611458]
  スパースビュー4D DSA再構成のための時間認識減衰ボクセル (TiAVox) アプローチを提案する。 TiAVoxは空間次元と時間次元の両方の減衰特性を反映する4D減衰ボクセル格子を導入している。 臨床およびシミュレートされたデータセットに対するTiAVoxアプローチの検証を行った。
  論文  参考訳（メタデータ） (2023-09-05T15:34:37Z)
• 4D Spatio-Temporal Convolutional Networks for Object Position Estimation in OCT Volumes [69.62333053044712]
  3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。 我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
  論文  参考訳（メタデータ） (2020-07-02T12:02:20Z)

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。