Fugu-MT 論文翻訳(概要): 3D/2D Registration of Angiograms using Silhouette-based Differentiable Rendering

論文の概要: 3D/2D Registration of Angiograms using Silhouette-based Differentiable Rendering

arxiv url: http://arxiv.org/abs/2501.14918v1
Date: Fri, 24 Jan 2025 20:57:13 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-28 13:56:49.796145
Title: 3D/2D Registration of Angiograms using Silhouette-based Differentiable Rendering
Title（参考訳）: シルエットに基づく微分レンダリングによる血管造影の3D/2Dレジストレーション
Authors: Taewoong Lee, Sarah Frisken, Nazim Haouchine,
Abstract要約: 本稿では,デジタルサブトラクション血管造影(DSA)画像の3D/2D登録法を提案する。提案手法は, 姿勢推定問題として定式化され, 前後のDSAビューを活用できる。
参考スコア（独自算出の注目度）: 0.9940728137241213
License:
Abstract: We present a method for 3D/2D registration of Digital Subtraction Angiography (DSA) images to provide valuable insight into brain hemodynamics and angioarchitecture. Our approach formulates the registration as a pose estimation problem, leveraging both anteroposterior and lateral DSA views and employing differentiable rendering. Preliminary experiments on real and synthetic datasets demonstrate the effectiveness of our method, with both qualitative and quantitative evaluations highlighting its potential for clinical applications. The code is available at https://github.com/taewoonglee17/TwoViewsDSAReg.
Abstract（参考訳）: 本稿では,DSA画像の3D/2Dレジストレーションを行い,脳の血行動態と血管構築に関する貴重な知見を提供する。提案手法は,ポーズ推定問題として登録を定式化し,前後のDSAビューを併用し,異なるレンダリングを行う。リアルデータセットと合成データセットの予備実験により, 臨床応用の可能性を明らかにする質的, 定量的評価の両方法の有効性が示された。コードはhttps://github.com/taewoonglee17/TwoViewsDSARegで公開されている。

関連論文リスト

A 3D Facial Reconstruction Evaluation Methodology: Comparing Smartphone Scans with Deep Learning Based Methods Using Geometry and Morphometry Criteria [60.865754842465684]
3次元顔形状解析は臨床応用の可能性から注目されている。高度な3D顔認証システムの高コスト化は、その普及を制限し、低コストな取得と再構築方法の開発を推進している。本研究では,形態素形状解析技術を統合することで,従来の幾何学的ベンチマークを超える新しい評価手法を提案する。
論文参考訳（メタデータ） (2025-02-13T15:47:45Z)
Generative Enhancement for 3D Medical Images [74.17066529847546]
本稿では,3次元医用画像合成の新しい生成手法であるGEM-3Dを提案する。本手法は2次元スライスから始まり,3次元スライスマスクを用いて患者に提供するための情報スライスとして機能し,生成過程を伝搬する。 3D医療画像をマスクと患者の事前情報に分解することで、GEM-3Dは多目的な3D画像を生成する柔軟な、かつ効果的なソリューションを提供する。
論文参考訳（メタデータ） (2024-03-19T15:57:04Z)
UDCR: Unsupervised Aortic DSA/CTA Rigid Registration Using Deep Reinforcement Learning and Overlap Degree Calculation [12.201553863670155]
深部強化学習に基づく大動脈DSA/CTA剛性登録のための教師なし手法UDCRを提案する。アルゴリズム評価のために61組の大動脈DSA/CTAを手動でアノテートした結果,UDCRは平均絶対誤差2.85mm,回転4.35degを達成した。
論文参考訳（メタデータ） (2024-03-09T01:18:32Z)
A Data Augmentation Pipeline to Generate Synthetic Labeled Datasets of 3D Echocardiography Images using a GAN [6.0419497882916655]
本研究では,3次元心エコー画像とそれに対応する基底真理ラベルを合成する画像生成パイプラインを提案する。提案手法は, 心臓の詳細な解剖学的区分を基底真理ラベル源として利用する。
論文参考訳（メタデータ） (2024-03-08T15:26:27Z)
Graph Convolutional Neural Networks for Automated Echocardiography View Recognition: A Holistic Approach [0.586336038845426]
グラフ畳み込みによる3D心筋メッシュの学習について、同様の手法を用いて、自然な画像から3Dメッシュを学習する。我々は,3次元メッシュから合成US画像を生成する。この手法は合成画像に優れた性能をもたらし、合成データにのみ訓練されているにもかかわらず、臨床画像に適用された場合の可能性を既に示していた。
論文参考訳（メタデータ） (2024-02-29T11:45:24Z)
RadOcc: Learning Cross-Modality Occupancy Knowledge through Rendering Assisted Distillation [50.35403070279804]
マルチビュー画像を用いた3次元シーンの占有状況とセマンティクスを推定することを目的とした,新たな課題である3D占有予測手法を提案する。本稿では,RandOccを提案する。Rendering Assisted distillation paradigm for 3D Occupancy prediction。
論文参考訳（メタデータ） (2023-12-19T03:39:56Z)
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)
Pathology Synthesis of 3D-Consistent Cardiac MR Images using 2D VAEs and GANs [0.5039813366558306]
本稿では,教師付きディープラーニング(DL)トレーニングの適用のためのラベル付きデータを生成する手法を提案する。画像合成はラベル変形とラベルから画像への変換からなる。心臓MRI画像のデータベースを多様化・拡張する手法として,このようなアプローチが有効であることを示す。
論文参考訳（メタデータ） (2022-09-09T10:17:49Z)
RiCS: A 2D Self-Occlusion Map for Harmonizing Volumetric Objects [68.85305626324694]
カメラ空間における光マーチング (RiCS) は、3次元における前景物体の自己閉塞を2次元の自己閉塞マップに表現する新しい手法である。表現マップは画像の質を高めるだけでなく,時間的コヒーレントな複雑な影効果をモデル化できることを示す。
論文参考訳（メタデータ） (2022-05-14T05:35:35Z)
DRaCoN -- Differentiable Rasterization Conditioned Neural Radiance Fields for Articulated Avatars [92.37436369781692]
フルボディの体積アバターを学習するためのフレームワークであるDRaCoNを提案する。 2Dと3Dのニューラルレンダリング技術の利点を利用する。挑戦的なZJU-MoCapとHuman3.6Mデータセットの実験は、DRaCoNが最先端の手法より優れていることを示している。
論文参考訳（メタデータ） (2022-03-29T17:59:15Z)

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。