論文の概要: Software architecture and manual for novel versatile CT image analysis toolbox -- AnatomyArchive
- arxiv url: http://arxiv.org/abs/2507.13901v1
- Date: Fri, 18 Jul 2025 13:28:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-21 20:43:26.295537
- Title: Software architecture and manual for novel versatile CT image analysis toolbox -- AnatomyArchive
- Title（参考訳）: 汎用CT画像解析ツールボックスのソフトウェアアーキテクチャとマニュアル -- AnatomyArchive
- Authors: Lei Xu, Torkel B Brismar,
- Abstract要約: 我々は,最新のフルボディセグメンテーションモデルであるTotalSegmentator上に構築されたAnatomyArchiveという新しいCT画像解析パッケージを開発した。
ユーザが設定した解剖情報に従って、自動的なターゲットボリューム選択とデセレクション機能を提供する。
解剖学的セグメンテーションマスク管理と医用画像データベースのメンテナンスのための知識グラフベースで時間効率のよいツールを備えている。
- 参考スコア（独自算出の注目度）: 2.4313767693803623
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We have developed a novel CT image analysis package named AnatomyArchive, built on top of the recent full body segmentation model TotalSegmentator. It provides automatic target volume selection and deselection capabilities according to user-configured anatomies for volumetric upper- and lower-bounds. It has a knowledge graph-based and time efficient tool for anatomy segmentation mask management and medical image database maintenance. AnatomyArchive enables automatic body volume cropping, as well as automatic arm-detection and exclusion, for more precise body composition analysis in both 2D and 3D formats. It provides robust voxel-based radiomic feature extraction, feature visualization, and an integrated toolchain for statistical tests and analysis. A python-based GPU-accelerated nearly photo-realistic segmentation-integrated composite cinematic rendering is also included. We present here its software architecture design, illustrate its workflow and working principle of algorithms as well provide a few examples on how the software can be used to assist development of modern machine learning models. Open-source codes will be released at https://github.com/lxu-medai/AnatomyArchive for only research and educational purposes.
- Abstract（参考訳）: 我々は,最新のフルボディセグメンテーションモデルであるTotalSegmentator上に構築されたAnatomyArchiveという新しいCT画像解析パッケージを開発した。
ボリューム上-下-バウンドのユーザが設定した解剖情報に従って、自動的なターゲットボリューム選択とデセレクション機能を提供する。
解剖学的セグメンテーションマスク管理と医用画像データベースのメンテナンスのための知識グラフベースで時間効率のよいツールを備えている。
AnatomyArchiveは2Dと3Dの両方のフォーマットでより正確な体組成分析を行うために、自動身体容積トリミングと自動アーム検出と排他を可能にする。
堅牢なボクセルベースの放射能特徴抽出、特徴可視化、統計テストと分析のための統合ツールチェーンを提供する。
ピソンベースのGPUによるほぼ写真リアリスティックなセグメンテーションと統合された複合シネマティックレンダリングも含んでいる。
ここでは、ソフトウェアアーキテクチャの設計を説明し、そのワークフローとアルゴリズムの動作原理を説明し、このソフトウェアが現代の機械学習モデルの開発にどのように役立つかについてのいくつかの例を示します。
オープンソースコードは、研究と教育目的のみのためにhttps://github.com/lxu-medai/AnatomyArchiveでリリースされる。
関連論文リスト
- CT-GRAPH: Hierarchical Graph Attention Network for Anatomy-Guided CT Report Generation [4.376648893167674]
我々は,放射線学的知識を明示的にモデル化した階層型グラフアテンションネットワークであるCT-GRAPHを提案する。
本手法は, 事前訓練した3次元医用特徴エンコーダを用いて, グローバルな特徴と臓器レベルの特徴を抽出する。
提案手法は,現在の最先端手法よりもF1スコアが絶対7.9%向上したことを示す。
論文 参考訳（メタデータ） (2025-08-07T13:18:03Z) - X-GRM: Large Gaussian Reconstruction Model for Sparse-view X-rays to Computed Tomography [89.84588038174721]
Computed Tomographyは臨床において必須のツールであり、内部解剖学的構造を非侵襲的に可視化する。
既存のCT再構成作業は、小さなキャパシティモデルアーキテクチャと非フレキシブルボリューム表現に限られている。
スパースビュー2次元X線プロジェクションから3次元CTボリュームを再構成する大規模なフィードフォワードモデルであるX-GRMを提案する。
論文 参考訳（メタデータ） (2025-05-21T08:14:10Z) - RadIR: A Scalable Framework for Multi-Grained Medical Image Retrieval via Radiology Report Mining [64.66825253356869]
本稿では,複数の粒度で画像の類似度を決定するために,高密度ラジオロジーレポートを利用した新しい手法を提案する。
我々は、胸部X線用MIMIC-IRとCTスキャン用CTRATE-IRの2つの総合的な医用画像検索データセットを構築した。
RadIR-CXR と Model-ChestCT という2つの検索システムを開発し,従来の画像画像検索と画像レポート検索に優れた性能を示す。
論文 参考訳（メタデータ） (2025-03-06T17:43:03Z) - μ-Net: A Deep Learning-Based Architecture for μ-CT Segmentation [2.012378666405002]
X線計算マイクロトモグラフィー(mu-CT)は、医学および生物学的サンプルの内部解剖の高解像度な3D画像を生成する非破壊的手法である。
3D画像から関連情報を抽出するには、興味のある領域のセマンティックセグメンテーションが必要である。
本稿では、畳み込みニューラルネットワーク(CNN)を用いて、Carassius auratusの心臓の完全な形態を自動分割する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-24T15:29:08Z) - VISTA3D: A Unified Segmentation Foundation Model For 3D Medical Imaging [18.111368889931885]
VISTA3D,Versatile Imaging SegmenTation,voxel modelを提案する。
確立された3Dセグメンテーションパイプライン上に構築されている。
これは、3D自動(127クラスのサポート)と3Dインタラクティブセグメンテーションの両方で最先端のパフォーマンスを達成する最初のモデルである。
論文 参考訳（メタデータ） (2024-06-07T22:41:39Z) - XCAT-3.0: A Comprehensive Library of Personalized Digital Twins Derived from CT Scans [2.1423779581455182]
本研究では,一連の自動セグメンテーションモデルを用いて,現実的な計算ファントムを作成するためのフレームワークを提案する。
新しい構造は140の構造を具現化し、詳細な解剖学的モデリングへの包括的アプローチを示している。
このフレームワークは、仮想画像治験を推進し、医用画像技術の信頼性評価を促進する可能性がある。
論文 参考訳（メタデータ） (2024-05-18T01:09:02Z) - Anatomy Completor: A Multi-class Completion Framework for 3D Anatomy
Reconstruction [2.3264396191500127]
臓器,血管,筋肉などの解剖学的形状を再構築するための補修枠組みを導入する。
本研究は, 外科的, 病理的, 外傷的要因により, 画像データに1つないし複数の解剖が欠落しているシナリオを対象としている。
本稿では,解剖学的復元問題を解決するために,DAE(3D denoising Auto-Encoder)に基づく2つのパラダイムを提案する。
論文 参考訳（メタデータ） (2023-09-10T08:07:58Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。
SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
論文 参考訳（メタデータ） (2021-11-26T13:47:34Z) - Generalized Organ Segmentation by Imitating One-shot Reasoning using
Anatomical Correlation [55.1248480381153]
そこで我々は,アノテーション付きオルガンクラスから一般化されたオルガン概念を学習し,その概念を未知のクラスに転送するOrganNetを提案する。
そこで,OrganNetは臓器形態の幅広い変化に効果的に抵抗でき,一発分節タスクで最先端の結果が得られることを示す。
論文 参考訳（メタデータ） (2021-03-30T13:41:12Z) - Segmentation and Analysis of a Sketched Truss Frame Using Morphological
Image Processing Techniques [0.0]
建物の能力を分析し評価する計算ツールの開発は、土木工学に大きな影響を与えた。
構造モデリングに関わる困難かつ最も時間を要するステップの1つは、分析を提供するために構造の幾何学を定義することである。
本稿では,手書きスケッチやコンピュータで作成したトラスフレームの分析を自動化する手法の開発に着目する。
論文 参考訳（メタデータ） (2020-09-28T08:50:18Z) - Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。
データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
論文 参考訳（メタデータ） (2020-09-01T19:17:46Z)
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。