論文の概要: Time-resolved dynamic CBCT reconstruction using prior-model-free spatiotemporal Gaussian representation (PMF-STGR)

• arxiv url: http://arxiv.org/abs/2503.22139v1
• Date: Fri, 28 Mar 2025 04:27:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:30:48.234670
• Title: Time-resolved dynamic CBCT reconstruction using prior-model-free spatiotemporal Gaussian representation (PMF-STGR)
• Title（参考訳）: 事前モデルなし時空間ガウス表現(PMF-STGR)を用いた動的CBCT再構成
• Authors: Jiacheng Xie, Hua-Chieh Shao, You Zhang,
• Abstract要約: 時間分解CBCT画像は, 正常かつ不規則な運動特性, 患者設定, および運動適応放射線療法のために望まれる。 高速かつ高精度なCBCT再構成のためのガウス表現ベースフレームワーク(PMF-STGR)を開発した。 PMF-STGRは最先端のINRベースのアプローチであるPMF-STINRに対して明確な優位性を示す。
• 参考スコア（独自算出の注目度）: 1.810632624997507
• License:
• Abstract: Time-resolved CBCT imaging, which reconstructs a dynamic sequence of CBCTs reflecting intra-scan motion (one CBCT per x-ray projection without phase sorting or binning), is highly desired for regular and irregular motion characterization, patient setup, and motion-adapted radiotherapy. Representing patient anatomy and associated motion fields as 3D Gaussians, we developed a Gaussian representation-based framework (PMF-STGR) for fast and accurate dynamic CBCT reconstruction. PMF-STGR comprises three major components: a dense set of 3D Gaussians to reconstruct a reference-frame CBCT for the dynamic sequence; another 3D Gaussian set to capture three-level, coarse-to-fine motion-basis-components (MBCs) to model the intra-scan motion; and a CNN-based motion encoder to solve projection-specific temporal coefficients for the MBCs. Scaled by the temporal coefficients, the learned MBCs will combine into deformation vector fields to deform the reference CBCT into projection-specific, time-resolved CBCTs to capture the dynamic motion. Due to the strong representation power of 3D Gaussians, PMF-STGR can reconstruct dynamic CBCTs in a 'one-shot' training fashion from a standard 3D CBCT scan, without using any prior anatomical or motion model. We evaluated PMF-STGR using XCAT phantom simulations and real patient scans. Metrics including the image relative error, structural-similarity-index-measure, tumor center-of-mass-error, and landmark localization error were used to evaluate the accuracy of solved dynamic CBCTs and motion. PMF-STGR shows clear advantages over a state-of-the-art, INR-based approach, PMF-STINR. Compared with PMF-STINR, PMF-STGR reduces reconstruction time by 50% while reconstructing less blurred images with better motion accuracy. With improved efficiency and accuracy, PMF-STGR enhances the applicability of dynamic CBCT imaging for potential clinical translation.
• Abstract（参考訳）: タイムリゾルドCBCTイメージングは, 正常かつ不規則な運動特性, 患者設定, 運動適応放射線療法において, 走査内運動を反映するCBCTの動的配列(位相ソートやバイニングを伴わない1つのCBCT)を再構成する。 患者解剖学および関連運動場を3次元ガウスとして表現し,高速かつ正確なCBCT再構成のためのガウス表現ベースフレームワーク(PMF-STGR)を開発した。 PMF-STGRは3つの主要な構成要素からなる: ダイナミックシーケンスのための参照フレームCBCTを再構築する3Dガウスアンセット、スキャン内運動をモデル化するために3レベルで粗い動きベース成分(MBC)をキャプチャする3Dガウスアンセット、MBCのプロジェクション固有の時間係数を解くCNNベースのモーションエンコーダ。 時間係数によってスケールすると、学習されたMBCは変形ベクトル場に結合し、参照CBCTを投影特異的で時間分解されたCBCTに変形させ、ダイナミックな動きを捉える。 3Dガウスの強い表現力のため、PMF-STGRは従来の解剖モデルや運動モデルを用いることなく、標準的な3D CBCTスキャンからダイナミックCBCTを「ワンショット」の訓練方法で再構築することができる。 XCATファントムシミュレーションと実際の患者スキャンを用いてPMF-STGRを評価した。 画像相対誤差, 構造相似指数測定, 腫瘍センター・オブ・マス・エラー, ランドマーク・ローカライゼーション・エラーなどの指標を用いて, 動的CBCTと運動の精度を評価した。 PMF-STGRは最先端のINRベースのアプローチであるPMF-STINRに対して明確な優位性を示す。 PMF-STINRと比較して、PMF-STGRは、少ないぼやけた画像をより良い動き精度で再構成しながら、再構成時間を50%短縮する。 PMF-STGRは、効率と精度の向上により、動的CBCT画像の潜在的な臨床翻訳への応用性を高める。

関連論文リスト

• Likelihood-Scheduled Score-Based Generative Modeling for Fully 3D PET Image Reconstruction [40.34650079545031]
  提案手法は, 再現を加速し, 臨界ハイパーパラメータの数を減少させる3次元再構成の実践的手法である。 本手法は既存のSGMによるPET再構成のNAMSEとSSIMに適合または改善可能であることを示す。 実3次元PETデータ、具体的には[18$F]DPA-714データに対するSGMベースの再構成の実装を初めて紹介する。
  論文  参考訳（メタデータ） (2024-12-05T16:58:45Z)
• Trajectory Flow Matching with Applications to Clinical Time Series Modeling [77.58277281319253]
  Trajectory Flow Matching (TFM) は、シミュレーションのない方法でニューラルSDEを訓練し、ダイナミックスを通してバックプロパゲーションをバイパスする。 絶対的性能と不確実性予測の観点から,3つの臨床時系列データセットの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-10-28T15:54:50Z)
• StoDIP: Efficient 3D MRF image reconstruction with deep image priors and stochastic iterations [3.4453266252081645]
  StoDIPは, 3次元MRFイメージングに基いて, 地上構造のないDeep Image Prior (DIP) 再構成を拡張した新しいアルゴリズムである。 健康なボランティアの脳全体をスキャンしたデータセットで、StoDIPは、質的にも質的にも、地道な再建ベースラインよりも優れたパフォーマンスを示した。
  論文  参考訳（メタデータ） (2024-08-05T10:32:06Z)
• TAI-GAN: A Temporally and Anatomically Informed Generative Adversarial Network for early-to-late frame conversion in dynamic cardiac PET inter-frame motion correction [15.380659401728735]
  本稿では,TAI-GAN(Temporally and Anatomically Informed Generative Adrial Network)と呼ばれる新しい手法を提案する。 提案手法は臨床用82-Rb PETデータセットを用いて評価し, この結果から, TAI-GANは実際の参照フレームに匹敵する高画質の変換早期フレームを生成できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-14T20:39:07Z)
• Exploring Epipolar Consistency Conditions for Rigid Motion Compensation in In-vivo X-ray Microscopy [3.6741311433177484]
  歯肉内X線顕微鏡(Intravital X-ray microscopy, XRM)は, 骨の微細構造変化の同定に重要である。 この方法の複雑さは、マウスの骨の高品質な3D再構成の必要性に起因している。 遠位偏極性条件 (ECC) を用いた運動補償は, 臨床CTでは有意な成績を示した。
  論文  参考訳（メタデータ） (2023-03-01T12:18:03Z)
• REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
  REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。 高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
  論文  参考訳（メタデータ） (2022-08-17T03:42:19Z)
• Dynamic imaging using Motion-Compensated SmooThness Regularization on Manifolds (MoCo-SToRM) [19.70386996879205]
  高分解能自由呼吸性肺MRIのための教師なし運動補償再建法を提案する。 時系列画像フレームを3Dテンプレート画像ボリュームの変形版としてモデル化する。 変形写像は高次元空間の滑らかな多様体上の点であると仮定する。
  論文  参考訳（メタデータ） (2021-12-06T22:04:57Z)
• Multiscale Spatio-Temporal Graph Neural Networks for 3D Skeleton-Based Motion Prediction [92.16318571149553]
  本稿では,次世代の3次元骨格型人間のポーズを予測するため,マルチスケール・テンポラルグラフニューラルネットワーク(MST-GNN)を提案する。 MST-GNNは、短期および長期の動作予測において最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-08-25T14:05:37Z)
• 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)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT Source Trajectories for Artifact Avoidance [47.345403652324514]
  市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。 そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。 リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
  論文  参考訳（メタデータ） (2020-08-14T09:23:50Z)

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。