論文の概要: Surgical Neural Radiance Fields from One Image

• arxiv url: http://arxiv.org/abs/2507.00969v1
• Date: Tue, 01 Jul 2025 17:19:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.75073
• Title: Surgical Neural Radiance Fields from One Image
• Title（参考訳）: 一画像からの手術用神経放射場
• Authors: Alberto Neri, Maximilan Fehrentz, Veronica Penza, Leonardo S. Mattos, Nazim Haouchine,
• Abstract要約: 我々は術前MRIデータを利用して、頑健で障害のないトレーニングに必要なカメラ視点と画像のセットを定義する。 手術画像の外観は、ニューラルスタイルの転送を通じて予め構築されたトレーニングセットに転送される。 このプロセスは、インスタントかつ高速な単一イメージのNeRFトレーニングのためのデータセットの作成を可能にする。
• 参考スコア（独自算出の注目度）: 1.7675961199872583
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Neural Radiance Fields (NeRF) offer exceptional capabilities for 3D reconstruction and view synthesis, yet their reliance on extensive multi-view data limits their application in surgical intraoperative settings where only limited data is available. In particular, collecting such extensive data intraoperatively is impractical due to time constraints. This work addresses this challenge by leveraging a single intraoperative image and preoperative data to train NeRF efficiently for surgical scenarios. Methods: We leverage preoperative MRI data to define the set of camera viewpoints and images needed for robust and unobstructed training. Intraoperatively, the appearance of the surgical image is transferred to the pre-constructed training set through neural style transfer, specifically combining WTC2 and STROTSS to prevent over-stylization. This process enables the creation of a dataset for instant and fast single-image NeRF training. Results: The method is evaluated with four clinical neurosurgical cases. Quantitative comparisons to NeRF models trained on real surgical microscope images demonstrate strong synthesis agreement, with similarity metrics indicating high reconstruction fidelity and stylistic alignment. When compared with ground truth, our method demonstrates high structural similarity, confirming good reconstruction quality and texture preservation. Conclusion: Our approach demonstrates the feasibility of single-image NeRF training in surgical settings, overcoming the limitations of traditional multi-view methods.
• Abstract（参考訳）: 目的:Neural Radiance Fields (NeRF) は3次元再構成とビュー合成に特有な機能を提供するが、広範囲な多視点データに依存しているため、限られたデータしか利用できない外科的術中環境での使用が制限される。 特に、そのような広範囲なデータを術中収集することは、時間的制約により現実的ではない。 本研究は,1つの術中画像と術前データを利用してNeRFを効果的に訓練することにより,この課題に対処する。 方法: 術前MRIデータを用いて, 頑健で障害のない訓練に必要なカメラ視点と画像のセットを定義する。 術中は, 手術画像の外観は, ニューラルスタイルのトランスファーにより, オーバースティル化を防ぐために, WTC2とSTROTSSを組み合わせて, 事前に構築したトレーニングセットに移行する。 このプロセスは、インスタントかつ高速な単一イメージのNeRFトレーニングのためのデータセットの作成を可能にする。 結果: 臨床神経外科症例4例で検討した。 実際の手術顕微鏡画像でトレーニングしたNeRFモデルとの比較では,高い再現率とスタイリスティックアライメントを示す類似度指標を用いて,強い合成一致を示した。 提案手法は, 基礎的事実と比較した場合, 高い構造的類似性を示し, 良好な復元品質とテクスチャ保存性を確認した。 結論: 従来のマルチビュー手法の限界を克服し, 手術条件下での単一画像NeRFトレーニングの実現可能性を示す。

関連論文リスト

• Monocular Marker-free Patient-to-Image Intraoperative Registration for Cochlear Implant Surgery [4.250558597144547]
  本フレームワークは単分子型外科顕微鏡とシームレスに統合され,追加のハードウェア依存や要件を伴わずに臨床応用に極めて有用である。 以上より, 術中CTスキャンを2次元の手術シーンに登録し, 角誤差が10度以内の症例では, 6次元カメラの撮影位置の予測に臨床的に関連性があることが示唆された。
  論文  参考訳（メタデータ） (2025-05-23T21:15:00Z)
• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• SurgicaL-CD: Generating Surgical Images via Unpaired Image Translation with Latent Consistency Diffusion Models [1.6189876649941652]
  現実的な手術画像を生成するために, 連続拡散法であるemphSurgicaL-CDを導入する。 以上の結果から,本手法はGANや拡散に基づく手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-19T09:19:25Z)
• NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
  本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。 様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
  論文  参考訳（メタデータ） (2024-03-27T02:42:52Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)

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。