論文の概要: Shap-MeD

• arxiv url: http://arxiv.org/abs/2503.15562v1
• Date: Wed, 19 Mar 2025 00:40:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 22:26:54.855377
• Title: Shap-MeD
• Title（参考訳）: Shap-MeD
• Authors: Nicolás Laverde, Melissa Robles, Johan Rodríguez,
• Abstract要約: バイオメディカルドメインに特化したテキスト・ツー・3Dオブジェクト生成モデルであるShap-MeDについて述べる。 OpenAIが開発したオープンソースのテキストから3D生成モデルであるShap-eを活用し、バイオメディカルオブジェクトのデータセットを使用して微調整する。 以上の結果から,Shap-MeDはバイオメディカルオブジェクト生成において高い構造精度を示すことが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We present Shap-MeD, a text-to-3D object generative model specialized in the biomedical domain. The objective of this study is to develop an assistant that facilitates the 3D modeling of medical objects, thereby reducing development time. 3D modeling in medicine has various applications, including surgical procedure simulation and planning, the design of personalized prosthetic implants, medical education, the creation of anatomical models, and the development of research prototypes. To achieve this, we leverage Shap-e, an open-source text-to-3D generative model developed by OpenAI, and fine-tune it using a dataset of biomedical objects. Our model achieved a mean squared error (MSE) of 0.089 in latent generation on the evaluation set, compared to Shap-e's MSE of 0.147. Additionally, we conducted a qualitative evaluation, comparing our model with others in the generation of biomedical objects. Our results indicate that Shap-MeD demonstrates higher structural accuracy in biomedical object generation.
• Abstract（参考訳）: バイオメディカルドメインに特化したテキスト・ツー・3Dオブジェクト生成モデルであるShap-MeDについて述べる。 本研究の目的は, 医用物体の3次元モデリングを容易にするアシスタントを開発し, 開発時間を短縮することである。 医学における3Dモデリングには、外科手術シミュレーションと計画、パーソナライズされた義肢インプラントの設計、医学教育、解剖学モデルの作成、研究プロトタイプの開発など、様々な応用がある。 これを実現するために,OpenAIが開発したオープンソースのテキスト・ツー・3D生成モデルであるShap-eを活用し,バイオメディカル・オブジェクトのデータセットを用いて微調整する。 本モデルでは,Shap-e の 0.147 の MSE と比較して,潜時生成における平均2乗誤差 (MSE) は 0.089 である。 さらに, バイオメディカルオブジェクトの生成において, モデルと他のモデルとの比較を行い, 質的評価を行った。 以上の結果から,Shap-MeDはバイオメディカルオブジェクト生成において高い構造精度を示すことが示唆された。

関連論文リスト

• Point Cloud Upsampling as Statistical Shape Model for Pelvic [1.4045865137356779]
  骨盤モデルの正確な形状復元のための医用画像分割と点雲アップサンプリングを統合した新しいフレームワークを提案する。 MedShapeNetデータセットでトレーニングしたSAM-Med3Dモデルと点群アップサンプリングネットワークを用いて,スパークスな医用画像データを高分解能な3次元骨モデルに変換する。
  論文  参考訳（メタデータ） (2025-01-28T05:47:50Z)
• 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)
• Endora: Video Generation Models as Endoscopy Simulators [53.72175969751398]
  本稿では,臨床内視鏡シーンをシミュレートする医用ビデオを作成するための革新的な手法であるモデルを紹介する。 また、ビデオ生成モデルを用いた内視鏡シミュレーションのための最初の公開ベンチマークを開拓した。 Endoraは、臨床内視鏡研究のための生成AIの展開において、注目すべきブレークスルーとなる。
  論文  参考訳（メタデータ） (2024-03-17T00:51:59Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• SAM-Med3D: Towards General-purpose Segmentation Models for Volumetric Medical Images [35.83393121891959]
  ボリューム医療画像の汎用セグメンテーションのためのSAM-Med3Dを提案する。 SAM-Med3Dは様々な解剖学的構造と病変を正確に分類することができる。 提案手法は,医療資源を多用した汎用医療AIの開発に活用できることを実証するものである。
  論文  参考訳（メタデータ） (2023-10-23T17:57:36Z)
• MedShapeNet -- A Large-Scale Dataset of 3D Medical Shapes for Computer Vision [119.29105800342779]
  MedShapeNetは、医療アプリケーションへのデータ駆動ビジョンアルゴリズムの翻訳を容易にするために開発された。 ユニークな特徴として、実際の患者の画像データに基づいて、形状の大部分を直接モデル化する。 私たちのデータは、WebインターフェースとPythonアプリケーションプログラミングインターフェース(API)を介して自由にアクセスでき、差別的、再構成的、変動的なベンチマークに使用できます。
  論文  参考訳（メタデータ） (2023-08-30T16:52:20Z)
• Towards Generalist Foundation Model for Radiology by Leveraging Web-scale 2D&3D Medical Data [66.9359934608229]
  この研究はRadFMと呼ばれるRadlogy Foundation Modelの開発を開始することを目的としている。 われわれの知る限りでは、これは2Dスキャンと3Dスキャンによる、最初の大規模で高品質な医療用ビジュアル言語データセットである。 本稿では,モダリティ認識,疾患診断,視覚的質問応答,レポート生成,合理的診断の5つのタスクからなる新しい評価ベンチマークRadBenchを提案する。
  論文  参考訳（メタデータ） (2023-08-04T17:00:38Z)
• BOSS: Bones, Organs and Skin Shape Model [10.50175010474078]
  我々は,CT画像から学習した皮膚,内臓,骨を結合した変形可能な人体形状とポーズモデルを提案する。 確率的PCAを用いて、ポーズ正規化空間の統計的変動をモデル化することにより、本手法は身体の全体像を提供する。
  論文  参考訳（メタデータ） (2023-03-08T22:31:24Z)
• A Point Cloud Generative Model via Tree-Structured Graph Convolutions for 3D Brain Shape Reconstruction [31.436531681473753]
  センサスキャンなどの物理的手法を用いて,術中3次元形状情報を得ることはほとんど不可能である。 本稿では,1つの2次元画像を用いて脳の3次元点雲(PC)を再構成するGANアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-07-21T07:57:37Z)
• Benchmarking off-the-shelf statistical shape modeling tools in clinical applications [53.47202621511081]
  我々は、広く使われている最先端のSSMツールの結果を体系的に評価する。 解剖学的ランドマーク/計測推測および病変スクリーニングのための検証フレームワークを提案する。 ShapeWorks と Deformetrica の形状モデルは臨床的に関連する集団レベルの変動を捉えている。
  論文  参考訳（メタデータ） (2020-09-07T03:51:35Z)

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。