論文の概要: Tracking-Aware Deformation Field Estimation for Non-rigid 3D Reconstruction in Robotic Surgeries

• arxiv url: http://arxiv.org/abs/2503.02558v1
• Date: Tue, 04 Mar 2025 12:33:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:17:47.594990
• Title: Tracking-Aware Deformation Field Estimation for Non-rigid 3D Reconstruction in Robotic Surgeries
• Title（参考訳）: ロボットサージャの非剛性3次元再構成のための追従型変形場推定
• Authors: Zeqing Wang, Han Fang, Yihong Xu, Yutong Ban,
• Abstract要約: 楽器と部品の相互作用において、組織の変形が最小であっても認識することは、依然として安全である。 本研究では,3次元メッシュと3次元組織変形を同時に再構築する新しいフレームワークであるTracking-Aware deformation Field (TADF)を提案する。
• 参考スコア（独自算出の注目度）: 15.231519282512567
• License:
• Abstract: Minimally invasive procedures have been advanced rapidly by the robotic laparoscopic surgery. The latter greatly assists surgeons in sophisticated and precise operations with reduced invasiveness. Nevertheless, it is still safety critical to be aware of even the least tissue deformation during instrument-tissue interactions, especially in 3D space. To address this, recent works rely on NeRF to render 2D videos from different perspectives and eliminate occlusions. However, most of the methods fail to predict the accurate 3D shapes and associated deformation estimates robustly. Differently, we propose Tracking-Aware Deformation Field (TADF), a novel framework which reconstructs the 3D mesh along with the 3D tissue deformation simultaneously. It first tracks the key points of soft tissue by a foundation vision model, providing an accurate 2D deformation field. Then, the 2D deformation field is smoothly incorporated with a neural implicit reconstruction network to obtain tissue deformation in the 3D space. Finally, we experimentally demonstrate that the proposed method provides more accurate deformation estimation compared with other 3D neural reconstruction methods in two public datasets.
• Abstract（参考訳）: ロボット腹腔鏡下手術により低侵襲手術が急速に進展した。 後者は、外科医が侵襲性を低下させ、高度で正確な手術を行うのを大いに助ける。 それでも、特に3次元空間において、計器・管間相互作用において最小の組織変形も認識することが安全である。 この問題に対処するため、最近の研究は、異なる視点から2Dビデオをレンダリングし、オクルージョンを排除するためにNeRFに依存している。 しかし、ほとんどの手法は正確な3次元形状とそれに伴う変形推定を頑健に予測できない。 そこで我々は,3次元メッシュと3次元組織変形を同時に再構築する新しいフレームワークであるTracking-Aware deformation Field (TADF)を提案する。 まず、基礎視覚モデルにより軟組織のキーポイントを追跡し、正確な2次元変形場を提供する。 そして、この2次元変形場をニューラル暗黙再構成網に円滑に組み込んで、3次元空間における組織変形を得る。 最後に,提案手法が2つの公開データセットにおける他の3次元ニューラル再構成法と比較して,より高精度な変形推定を実現することを実験的に実証した。

関連論文リスト

• MedTet: An Online Motion Model for 4D Heart Reconstruction [59.74234226055964]
  本研究は, 術後の軽度データから3次元心臓運動を再構築するための新しいアプローチを提案する。 既存の方法では、フル3次元の体積像から3次元の臓器のジオメトリーを正確に再構築することができる。 このような部分的データから3次元運動を再構築するための汎用的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-03T17:18:33Z)
• DuoLift-GAN:Reconstructing CT from Single-view and Biplanar X-Rays with Generative Adversarial Networks [1.3812010983144802]
  本稿では,DuoLift Generative Adversarial Networks (DuoLift-GAN)を紹介する。 これらの3D出力は統合された3D特徴マップにマージされ、完全な3D胸部ボリュームにデコードされ、よりリッチな3D情報キャプチャを可能にする。
  論文  参考訳（メタデータ） (2024-11-12T17:11:18Z)
• Intraoperative 2D/3D Image Registration via Differentiable X-ray Rendering [5.617649111108429]
  DiffPoseは、患者固有のシミュレーションと微分可能な物理ベースのレンダリングを利用して、手動でラベル付けされたデータに頼ることなく正確な2D/3D登録を実現する自己教師型アプローチである。 DiffPoseは手術用データセット全体の術速でサブミリ精度を達成し、既存の教師なしの手法を桁違いに改善し、教師付きベースラインよりも優れています。
  論文  参考訳（メタデータ） (2023-12-11T13:05:54Z)
• 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)
• CNN-based real-time 2D-3D deformable registration from a single X-ray projection [2.1198879079315573]
  本稿では, フルオロスコープ画像を用いたリアルタイム2D-3D非剛体登録法を提案する。 術前スキャンから解剖学の変位場と2次元投影からなるデータセットを生成する。 ニューラルネットワークは、未知の3D変位場を単一の投影画像から回復するように訓練される。
  論文  参考訳（メタデータ） (2022-12-15T09:57:19Z)
• Pop-Out Motion: 3D-Aware Image Deformation via Learning the Shape Laplacian [58.704089101826774]
  形状分類と変形型に最小限の制約を課した3次元画像変形法を提案する。 点雲として表される3次元再構成の基底体積のラプラシアン形状を予測するために,教師付き学習に基づくアプローチを採用する。 実験では,2次元キャラクタと人間の衣料画像の変形実験を行った。
  論文  参考訳（メタデータ） (2022-03-29T04:57:18Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• 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)
• Dynamic Reconstruction of Deformable Soft-tissue with Stereo Scope in Minimal Invasive Surgery [24.411005883017832]
  最小侵襲手術では, 最新の軟組織表面の変形形状を再構築し, 可視化することが重要である。 本稿では、変形可能な表面の高密度再構成のための革新的同時局所化マッピング(SLAM)アルゴリズムを提案する。 公開データセットを用いたインビビオ実験では、3Dモデルがさまざまなソフトタスクに対してインクリメンタルに構築可能であることが示されている。
  論文  参考訳（メタデータ） (2020-03-22T16:50:38Z)

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。