論文の概要: MR2US-Pro: Prostate MR to Ultrasound Image Translation and Registration Based on Diffusion Models

• arxiv url: http://arxiv.org/abs/2506.00591v1
• Date: Sat, 31 May 2025 14:55:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:33.277431
• Title: MR2US-Pro: Prostate MR to Ultrasound Image Translation and Registration Based on Diffusion Models
• Title（参考訳）: MR2US-Pro:拡散モデルに基づく前立腺MRから超音波画像への変換と登録
• Authors: Xudong Ma, Nantheera Anantrasirichai, Stefanos Bolomytis, Alin Achim,
• Abstract要約: 本稿では,TRUS 3次元再構成とクロスモーダル登録という,2段階のプロセスによる課題に対処する新しい枠組みを提案する。 本稿では,矢状面と横方向のTRUSビューの自然な相関を生かした完全プローブ位置独立アプローチを提案する。 登録段階では、モダリティ変換によって導かれる教師なし拡散に基づくフレームワークを導入する。
• 参考スコア（独自算出の注目度）: 7.512221808783586
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The diagnosis of prostate cancer increasingly depends on multimodal imaging, particularly magnetic resonance imaging (MRI) and transrectal ultrasound (TRUS). However, accurate registration between these modalities remains a fundamental challenge due to the differences in dimensionality and anatomical representations. In this work, we present a novel framework that addresses these challenges through a two-stage process: TRUS 3D reconstruction followed by cross-modal registration. Unlike existing TRUS 3D reconstruction methods that rely heavily on external probe tracking information, we propose a totally probe-location-independent approach that leverages the natural correlation between sagittal and transverse TRUS views. With the help of our clustering-based feature matching method, we enable the spatial localization of 2D frames without any additional probe tracking information. For the registration stage, we introduce an unsupervised diffusion-based framework guided by modality translation. Unlike existing methods that translate one modality into another, we map both MR and US into a pseudo intermediate modality. This design enables us to customize it to retain only registration-critical features, greatly easing registration. To further enhance anatomical alignment, we incorporate an anatomy-aware registration strategy that prioritizes internal structural coherence while adaptively reducing the influence of boundary inconsistencies. Extensive validation demonstrates that our approach outperforms state-of-the-art methods by achieving superior registration accuracy with physically realistic deformations in a completely unsupervised fashion.
• Abstract（参考訳）: 前立腺癌の診断はマルチモーダルイメージング、特にMRI(MRI)と経直腸超音波(TRUS)に依存している。 しかしながら、これらのモダリティ間の正確な登録は、次元と解剖学的表現の違いによる根本的な課題である。 そこで本研究では,TRUS 3D再構成とクロスモーダル登録という2段階のプロセスにより,これらの課題に対処する新しい枠組みを提案する。 外部プローブ追跡情報に大きく依存する既存のTRUS 3D再構成法とは異なり, 矢状面と横面のTRUSビューの自然な相関を生かした完全プローブ位置非依存手法を提案する。 クラスタリングに基づく特徴マッチング手法により,余分なプローブ追跡情報なしで2次元フレームの空間的位置決めが可能となる。 登録段階では、モダリティ変換によって導かれる教師なし拡散に基づくフレームワークを導入する。 1つのモダリティを別のモダリティに変換する既存の方法とは異なり、MRとUSの両方を擬中間モダリティにマッピングする。 この設計により、登録クリティカルな機能のみを保持するようにカスタマイズできます。 解剖学的アライメントをさらに強化するため,内部構造的コヒーレンスを優先し,境界の不整合の影響を適応的に低減する解剖学的アライメント戦略を取り入れた。 本手法は, 物理的にリアルな変形を全く教師なしの方法で行うことにより, 高い登録精度を達成し, 最先端の手法よりも優れていることを示す。

関連論文リスト

• Modality Translation and Registration of MR and Ultrasound Images Using Diffusion Models [7.512221808783586]
  前立腺癌の診断にはMR-US多剤の登録が重要である。 既存のメソッドは、無関係な詳細に過度に敏感でありながら、重要な境界を整列することができない。 階層的特徴分散設計に基づく解剖学的に整合したモダリティ変換ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-06-01T14:10:06Z)
• Landmark-Free Preoperative-to-Intraoperative Registration in Laparoscopic Liver Resection [50.388465935739376]
  術前の3Dモデルを術中2Dフレームにオーバーレイすることで肝臓の空間解剖を明瞭に把握し,より高い手術成功率を達成することができる。 既存の登録法は解剖学的ランドマークに大きく依存しており、2つの大きな制限に直面している。 本稿では,効果的な自己教師型学習を生かした,目覚ましくない術前・術中登録フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-21T14:55:57Z)
• Salient Region Matching for Fully Automated MR-TRUS Registration [6.109685391854755]
  本稿では,完全自動MR-TRUS登録のための領域マッチングフレームワークを提案する。 このフレームワークは、前立腺のセグメンテーション、剛性アライメント、変形可能な登録で構成されている。 提案手法は,いくつかの最先端手法に優れ,良好な登録結果が得られる。
  論文  参考訳（メタデータ） (2025-01-07T04:06:07Z)
• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• 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)
• GSMorph: Gradient Surgery for cine-MRI Cardiac Deformable Registration [62.41725951450803]
  学習に基づく変形可能な登録は、フィールドの登録精度と滑らかさをトレードオフする重み付けされた目的関数に依存する。 我々は,GSMorphと呼ばれる勾配手術機構に基づく登録モデルを構築し,複数の損失に対してパラメータフリーな高バランスを実現する。 提案手法はモデルに依存しないため,パラメータの追加や推論の遅延を伴わずに,任意のディープ登録ネットワークにマージすることができる。
  論文  参考訳（メタデータ） (2023-06-26T13:32:09Z)
• Unsupervised Image Registration Towards Enhancing Performance and Explainability in Cardiac And Brain Image Analysis [3.5718941645696485]
  モダリティ内およびモダリティ内アフィンおよび非リグイド画像登録は、臨床画像診断において必須の医用画像解析プロセスである。 本稿では、アフィンおよび非剛性変換を正確にモデル化できる教師なしディープラーニング登録手法を提案する。 本手法は,モーダリティ不変の潜在反感を学習するために,双方向のモーダリティ画像合成を行う。
  論文  参考訳（メタデータ） (2022-03-07T12:54:33Z)
• Unsupervised Multimodal Image Registration with Adaptative Gradient Guidance [23.461130560414805]
  教師なし学習に基づく手法は、変形可能な画像登録における精度と効率よりも有望な性能を示す。 既存の手法の予測変形場は、登録済み画像対に完全に依存する。 両モデルから推定される変形場を利用する新しい多モード登録フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-12T05:47:20Z)
• Enhanced 3D Myocardial Strain Estimation from Multi-View 2D CMR Imaging [0.0]
  CMR SSFP画像からの複数方向からの相補的変位情報を組み合わせた3次元心筋ひずみ推定法を提案する。 商用ソフトウェア(セグメント,メドビソ)に実装された2次元非剛性登録アルゴリズムを用いて,短軸,4角,2角のビューのセットを登録する。 次に, 運動3方向の補間関数を作成し, 患者固有の左室の四面体メッシュ表現を変形させる。
  論文  参考訳（メタデータ） (2020-09-25T22:47:50Z)

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。