論文の概要: NerT-CA: Efficient Dynamic Reconstruction from Sparse-view X-ray Coronary Angiography

• arxiv url: http://arxiv.org/abs/2507.19328v1
• Date: Fri, 25 Jul 2025 14:38:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-28 16:16:48.998092
• Title: NerT-CA: Efficient Dynamic Reconstruction from Sparse-view X-ray Coronary Angiography
• Title（参考訳）: NerT-CA : Sparse-view X-ray 冠動脈造影の有用性
• Authors: Kirsten W. H. Maas, Danny Ruijters, Nicola Pezzotti, Anna Vilanova,
• Abstract要約: X線冠動脈造影(CA)による冠動脈の3次元3次元および動的3次元+時間(4D)再構築は,臨床的治療改善の可能性を秘めている。 対処すべき課題は、特に、血管構造の疎度、背景と血管の区別の低さ、スパース・ビュー、スキャン内動作である。 スパースビューCAを用いた高速4次元再構成のためのニューラルアンドリアル表現のハイブリッドアプローチであるNerT-CAを提案する。
• 参考スコア（独自算出の注目度）: 1.1999555634662633
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Three-dimensional (3D) and dynamic 3D+time (4D) reconstruction of coronary arteries from X-ray coronary angiography (CA) has the potential to improve clinical procedures. However, there are multiple challenges to be addressed, most notably, blood-vessel structure sparsity, poor background and blood vessel distinction, sparse-views, and intra-scan motion. State-of-the-art reconstruction approaches rely on time-consuming manual or error-prone automatic segmentations, limiting clinical usability. Recently, approaches based on Neural Radiance Fields (NeRF) have shown promise for automatic reconstructions in the sparse-view setting. However, they suffer from long training times due to their dependence on MLP-based representations. We propose NerT-CA, a hybrid approach of Neural and Tensorial representations for accelerated 4D reconstructions with sparse-view CA. Building on top of the previous NeRF-based work, we model the CA scene as a decomposition of low-rank and sparse components, utilizing fast tensorial fields for low-rank static reconstruction and neural fields for dynamic sparse reconstruction. Our approach outperforms previous works in both training time and reconstruction accuracy, yielding reasonable reconstructions from as few as three angiogram views. We validate our approach quantitatively and qualitatively on representative 4D phantom datasets.
• Abstract（参考訳）: X線冠動脈造影(CA)による冠動脈の3次元3次元および動的3次元+時間(4D)再構築は,臨床的治療改善の可能性を秘めている。 しかし, 血管構造の疎縮, 背景と血管の鑑別不良, スパース・ビュー, スキャン内動作など, 対処すべき課題はいくつかある。 最先端の再構築アプローチは、時間を要するマニュアルやエラーを起こしやすい自動セグメンテーションに依存し、臨床使用性を制限する。 近年,Neural Radiance Fields (NeRF) に基づくアプローチにより,スパース・ビュー・セッティングにおける自動再構成の実現が期待されている。 しかし、MLPベースの表現に依存しているため、長いトレーニング時間に悩まされる。 スパースビューCAを用いた高速4次元再構成のためのニューラルネットワークとテンソル表現のハイブリッドアプローチであるNerT-CAを提案する。 従来のNeRFに基づく研究に基づいて、我々はCAシーンを低ランクおよびスパース成分の分解としてモデル化し、高速なテンソル場を用いて低ランク静的再構成と動的スパース再構成を行う。 本手法は, トレーニング時間と再建精度の両方において, これまでの成果よりも優れており, 3つの血管造影所見から, 妥当な再構築が得られた。 代表的な4次元ファントムデータセットに対して定量的かつ定性的にアプローチを検証する。

関連論文リスト

• Nonperiodic dynamic CT reconstruction using backward-warping INR with regularization of diffeomorphism (BIRD) [9.894794660436693]
  本稿では,非周期的動的CT再構成のための新しい INR ベースのフレームワーク BIRD を提案する。 これらの課題に対処するためには、後方回転変形、運動補償型解析再構成、効率的な4次元座標符号化のための次元還元設計の4つの重要な貢献がある。 このフレームワークは、一拍動心再建、機能画像のための撮影画像シーケンス、従来のCTスキャンにおける運動アーティファクトの縮小など、潜在的な臨床応用でより正確な動的CT再構成を可能にする。
  論文  参考訳（メタデータ） (2025-05-06T12:01:40Z)
• 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)
• NeRF-CA: Dynamic Reconstruction of X-ray Coronary Angiography with Extremely Sparse-views [1.1999555634662633]
  既存のCA再構成手法では、広範なユーザインタラクションや大規模なトレーニングデータセットが必要になることが多い。 NeRFは、これらの要求なしに、自然と医療の文脈で高忠実なシーンを再構築することに成功している。 完全自動4DCA再建に向けた第一歩であるNeRF-CAを導入する。
  論文  参考訳（メタデータ） (2024-08-29T08:51:25Z)
• HFGS: 4D Gaussian Splatting with Emphasis on Spatial and Temporal High-Frequency Components for Endoscopic Scene Reconstruction [13.012536387221669]
  ロボット支援による最小侵襲手術は、手術結果を改善するため、動的シーン再構築の強化による恩恵を受ける。 NeRFはシーン再構成に有効だが、推論速度の遅さとトレーニング期間の長いため適用性が制限されている。 3D Gaussian Splatting (3D-GS) ベースの手法が最近のトレンドとして現れ、高速な推論機能と優れた3D品質を提供する。 本稿では,空間的および時間的周波数の観点からこれらの課題に対処する,変形可能な内視鏡再構成のための新しいアプローチであるHFGSを提案する。
  論文  参考訳（メタデータ） (2024-05-28T06:48:02Z)
• 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
  現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。 スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。 本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
  論文  参考訳（メタデータ） (2024-05-17T11:23:33Z)
• SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields [71.84366290195487]
  神経減衰場を学習し,スパースビューCBCT再構成のためのSNAFを提案する。 提案手法は,入力ビューが20程度しかなく,高再生品質(30以上のPSNR)で優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-11-30T14:51:14Z)
• NeurAR: Neural Uncertainty for Autonomous 3D Reconstruction [64.36535692191343]
  暗黙の神経表現はオフラインの3D再構成において魅力的な結果を示しており、オンラインSLAMシステムの可能性も最近示している。 本論文は,1)新しい表現に基づく視点計画の質を評価するための基準を求めること,2)手作りではなく,異なる場面に一般化可能なデータから基準を学習すること,の2つの課題に対処する。 本手法は, TSDFを用いた変形モデルやビュープランニングなしでの再構成モデルと比較した場合, レンダリングされた画像品質と再構成された3次元モデルの幾何学的品質について, 様々な指標について有意な改善を示す。
  論文  参考訳（メタデータ） (2022-07-22T10:05:36Z)
• Neural Computed Tomography [1.7188280334580197]
  一連のプロジェクションの取得時の運動は、CT再構成において重要な運動アーティファクトにつながる可能性がある。 動作成果物から解放された時間分解画像を生成するための新しい再構成フレームワークであるNeuralCTを提案する。
  論文  参考訳（メタデータ） (2022-01-17T18:50:58Z)
• 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)
• Limited View Tomographic Reconstruction Using a Deep Recurrent Framework with Residual Dense Spatial-Channel Attention Network and Sinogram Consistency [25.16002539710169]
  本稿では,同じブロックを複数回積み重ねる新しい繰り返し再構成フレームワークを提案する。 本研究では, 再帰的なブロックの中間出力のシングラムと一致するように, リカレント・フレームワークにインターリーブされたシングラム整合層を構築した。 本アルゴリズムは, 狭角化と狭角化の両面において, 既存の最先端のニューラル手法よりも一貫した, 顕著な改善を実現している。
  論文  参考訳（メタデータ） (2020-09-03T16:39:48Z)
• Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
  強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。 このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。 我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
  論文  参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。