論文の概要: Robust Body Composition Analysis by Generating 3D CT Volumes from Limited 2D Slices

• arxiv url: http://arxiv.org/abs/2501.13071v1
• Date: Wed, 22 Jan 2025 18:32:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-23 13:28:38.956975
• Title: Robust Body Composition Analysis by Generating 3D CT Volumes from Limited 2D Slices
• Title（参考訳）: 限られた2次元スライスからの3次元CTボリューム生成によるロバスト体組成解析
• Authors: Lianrui Zuo, Xin Yu, Dingjie Su, Kaiwen Xu, Aravind R. Krishnan, Yihao Liu, Shunxing Bao, Fabien Maldonado, Luigi Ferrucci, Bennett A. Landman,
• Abstract要約: 2次元(2次元)シングルスライスCT(CT)画像は、体組成解析に何度も用いられている。 本稿では,潜在拡散モデル(LDM)を用いて,限られた2次元スライス数から3次元CTボリュームを生成する手法を提案する。 内外および3次元腹部CTデータセットを用いた実験により,本手法は体組成分析を著しく向上させることが示された。
• 参考スコア（独自算出の注目度）: 15.84853819616586
• License:
• Abstract: Body composition analysis provides valuable insights into aging, disease progression, and overall health conditions. Due to concerns of radiation exposure, two-dimensional (2D) single-slice computed tomography (CT) imaging has been used repeatedly for body composition analysis. However, this approach introduces significant spatial variability that can impact the accuracy and robustness of the analysis. To mitigate this issue and facilitate body composition analysis, this paper presents a novel method to generate 3D CT volumes from limited number of 2D slices using a latent diffusion model (LDM). Our approach first maps 2D slices into a latent representation space using a variational autoencoder. An LDM is then trained to capture the 3D context of a stack of these latent representations. To accurately interpolate intermediateslices and construct a full 3D volume, we utilize body part regression to determine the spatial location and distance between the acquired slices. Experiments on both in-house and public 3D abdominal CT datasets demonstrate that the proposed method significantly enhances body composition analysis compared to traditional 2D-based analysis, with a reduced error rate from 23.3% to 15.2%.
• Abstract（参考訳）: 体組成分析は、加齢、疾患の進行、および全体の健康状態に関する貴重な洞察を提供する。 放射線曝露の懸念から,体組成分析には2次元(2次元)シングルスライスCTが繰り返し用いられている。 しかし,本手法では,解析精度とロバスト性に影響を及ぼすような空間的変動が生じている。 本稿では,この問題を緩和し,身体組成分析を容易にするために,潜在拡散モデル(LDM)を用いて,限られた2次元スライス数から3次元CTボリュームを生成する手法を提案する。 提案手法はまず,変分オートエンコーダを用いて2次元スライスを潜在表現空間にマッピングする。 LDMは、これらの潜在表現のスタックの3Dコンテキストをキャプチャするために訓練される。 中間スライスを正確に補間し,全3次元ボリュームを構築するために,身体部分回帰を用いて得られたスライス間の空間的位置と距離を決定する。 社内および公立の3D腹部CTデータセットを用いた実験では,従来の2D法と比較すると,23.3%から15.2%の誤差率で体組成分析を著しく向上することが示された。

関連論文リスト

• OCTCube-M: A 3D multimodal optical coherence tomography foundation model for retinal and systemic diseases with cross-cohort and cross-device validation [20.17448729403084]
  OCTと顔画像の共同解析のための3次元OCTに基づく多モード基盤モデルであるOCTCube-Mを提案する。 OCTCube-Mは、最初にOCTCubeを開発した。 新規なマルチモーダルコントラスト学習フレームワークであるCOEPを利用して、底部自己蛍光や赤外網膜イメージングなどの他の網膜イメージングモダリティを統合する。
  論文  参考訳（メタデータ） (2024-08-20T22:55:19Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• Unsupervised 3D Pose Estimation with Non-Rigid Structure-from-Motion Modeling [83.76377808476039]
  本研究では,人間のポーズの変形をモデル化し,それに伴う拡散に基づく動きを事前に設計する手法を提案する。 動作中の3次元人間の骨格を復元する作業は3次元基準骨格の推定に分割する。 混合時空間NASfMformerを用いて、各フレームの3次元基準骨格と骨格変形を2次元観測シーケンスから同時に推定する。
  論文  参考訳（メタデータ） (2023-08-18T16:41:57Z)
• Two-and-a-half Order Score-based Model for Solving 3D Ill-posed Inverse Problems [7.074380879971194]
  本稿では,3次元ボリューム再構成のための2次半順序スコアベースモデル(TOSM)を提案する。 トレーニング期間中、TOSMは2次元空間のデータ分布を学習し、トレーニングの複雑さを低減する。 再構成フェーズでは、TOSMは3方向の相補的なスコアを利用して、3次元空間のデータ分布を更新する。
  論文  参考訳（メタデータ） (2023-08-16T17:07:40Z)
• Zolly: Zoom Focal Length Correctly for Perspective-Distorted Human Mesh Reconstruction [66.10717041384625]
  Zollyは、視点歪みの画像に焦点を当てた最初の3DHMR法である。 人体の2次元密度ゆらぎスケールを記述した新しいカメラモデルと新しい2次元歪み画像を提案する。 このタスク用に調整された2つの現実世界のデータセットを拡張します。
  論文  参考訳（メタデータ） (2023-03-24T04:22:41Z)
• 2D/3D Deep Image Registration by Learning 3D Displacement Fields for Abdominal Organs [1.9949261242626626]
  本稿では,3Dボリュームと単一視点2D投影画像間の2D/3D変形可能な画像登録を実現する教師付きディープラーニングフレームワークを提案する。 提案手法は,対象2次元投影画像と初期3次元体積から3次元変位場への変換を学習する。
  論文  参考訳（メタデータ） (2022-12-11T08:36:23Z)
• Simultaneous Alignment and Surface Regression Using Hybrid 2D-3D Networks for 3D Coherent Layer Segmentation of Retina OCT Images [33.99874168018807]
  本研究では,ハイブリッド2D-3D畳み込みニューラルネットワーク(CNN)を用いた新しいフレームワークを提案し,OCTから連続した3次元網膜層表面を得る。 本フレームワークは, 層分割精度とクロスBスキャン3D連続性の両方の観点から, 最先端の2D手法よりも優れた結果が得られる。
  論文  参考訳（メタデータ） (2022-03-04T15:55:09Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Synthetic Training for Monocular Human Mesh Recovery [100.38109761268639]
  本稿では,RGB画像と大規模に異なる複数の身体部位の3次元メッシュを推定することを目的とする。 主な課題は、2D画像のすべての身体部分の3Dアノテーションを完備するトレーニングデータがないことである。 本稿では,D2S(Deep-to-scale)投影法を提案する。
  論文  参考訳（メタデータ） (2020-10-27T03:31:35Z)
• Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
  本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。 また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
  論文  参考訳（メタデータ） (2020-07-09T13:23:15Z)

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。