Fugu-MT 論文翻訳(概要): RibPull: Implicit Occupancy Fields and Medial Axis Extraction for CT Ribcage Scans

論文の概要: RibPull: Implicit Occupancy Fields and Medial Axis Extraction for CT Ribcage Scans

arxiv url: http://arxiv.org/abs/2509.01402v1
Date: Mon, 01 Sep 2025 11:54:50 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-04 15:17:03.676391
Title: RibPull: Implicit Occupancy Fields and Medial Axis Extraction for CT Ribcage Scans
Title（参考訳）: RibPull:CT Ribcage Scansにおける術中軸抽出
Authors: Emmanouil Nikolakakis, Amine Ouasfi, Julie Digne, Razvan Marinescu,
Abstract要約: 暗黙的な3D表現は、離散的なメソッドよりも、スパースやノイズの多いデータを効率的に扱う連続関数を使用する。我々は、RibFracデータセットの拡張であるRibSegデータセットから、20の医療スキャンで方法論を評価する。
参考スコア（独自算出の注目度）: 10.8145995157397
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present RibPull, a methodology that utilizes implicit occupancy fields to bridge computational geometry and medical imaging. Implicit 3D representations use continuous functions that handle sparse and noisy data more effectively than discrete methods. While voxel grids are standard for medical imaging, they suffer from resolution limitations, topological information loss, and inefficient handling of sparsity. Coordinate functions preserve complex geometrical information and represent a better solution for sparse data representation, while allowing for further morphological operations. Implicit scene representations enable neural networks to encode entire 3D scenes within their weights. The result is a continuous function that can implicitly compesate for sparse signals and infer further information about the 3D scene by passing any combination of 3D coordinates as input to the model. In this work, we use neural occupancy fields that predict whether a 3D point lies inside or outside an object to represent CT-scanned ribcages. We also apply a Laplacian-based contraction to extract the medial axis of the ribcage, thus demonstrating a geometrical operation that benefits greatly from continuous coordinate-based 3D scene representations versus voxel-based representations. We evaluate our methodology on 20 medical scans from the RibSeg dataset, which is itself an extension of the RibFrac dataset. We will release our code upon publication.
Abstract（参考訳）: 本稿では,暗黙の占有場を利用した計算幾何学と医用画像の橋渡し手法であるRibPullを紹介する。暗黙的な3D表現は、離散的なメソッドよりも、スパースやノイズの多いデータを効率的に扱う連続関数を使用する。ボクセルグリッドは医療画像の標準であるが、解像度の制限、トポロジカルな情報損失、空間の非効率な処理に悩まされている。座標関数は複雑な幾何学的情報を保存し、スパースデータ表現のためのより良い解を表現し、さらに形態的操作を可能にする。暗黙のシーン表現は、ニューラルネットワークが重みの中で3Dシーン全体をエンコードすることを可能にする。その結果、3D座標の組み合わせをモデルに入力することで、スパース信号に対して暗黙的に補完し、さらに3Dシーンに関する情報を推測することができる。本研究では,3次元の点が物体の内外にあるかどうかを予測し,CTでスキャンしたリブケージを表現した。また, 連続座標に基づく3次元シーン表現とボクセルに基づく表現との大きな利点を生かした幾何学的操作を, ラプラシアンによるリブケージの内側軸抽出に適用した。我々は、RibFracデータセットの拡張であるRibSegデータセットから、20の医療スキャンで方法論を評価する。私たちは公開時にコードを公開します。

関連論文リスト

NUDF: Neural Unsigned Distance Fields for high resolution 3D medical image segmentation [0.13431733228151765]
画像から直接NUDF(Neural Unsigned Distance Field)を学習することを提案する。 CT画像から左心房補助 (LAA) セグメンテーションの課題について検討した。 LAAの詳細を捉える3次元メッシュモデルを予測でき、CT画像のボクセル間隔の順に精度を達成できる。
論文参考訳（メタデータ） (2025-04-25T13:32:16Z)
GaussianFormer: Scene as Gaussians for Vision-Based 3D Semantic Occupancy Prediction [70.65250036489128]
3Dのセマンティック占有予測は,周囲のシーンの3Dの微細な形状とセマンティックスを得ることを目的としている。本稿では,3Dシーンを3Dセマンティック・ガウシアンで表現するオブジェクト中心表現を提案する。 GaussianFormerは17.8%から24.8%のメモリ消費しか持たない最先端のメソッドで同等のパフォーマンスを実現している。
論文参考訳（メタデータ） (2024-05-27T17:59:51Z)
N-BVH: Neural ray queries with bounding volume hierarchies [51.430495562430565]
3Dコンピュータグラフィックスでは、シーンのメモリ使用量の大部分がポリゴンとテクスチャによるものである。 N-BVHは3次元の任意の光線クエリに応答するように設計されたニューラル圧縮アーキテクチャである。本手法は, 視認性, 深度, 外観特性を忠実に近似する。
論文参考訳（メタデータ） (2024-05-25T13:54:34Z)
ToNNO: Tomographic Reconstruction of a Neural Network's Output for Weakly Supervised Segmentation of 3D Medical Images [6.035125735474387]
ToNNOは、ニューラルネットワークの出力のトモグラフィー再構成に基づいている。入力された3Dボリュームから異なる角度のスライスを抽出し、これらのスライスを2Dエンコーダに供給し、エンコーダの予測の3Dヒートマップを再構成するために逆ラドン変換を適用する。本研究では、2Dエンコーダを訓練し、関心領域を含むスライスに対して高い値を出力することにより、医用画像セグメンテーションの弱制御に適用する。
論文参考訳（メタデータ） (2024-04-19T11:27:56Z)
Oriented-grid Encoder for 3D Implicit Representations [10.02138130221506]
本論文は,3次元幾何エンコーダの3次元特性を明示的に利用した最初のものである。提案手法は,従来の手法と比較して最先端の結果が得られる。
論文参考訳（メタデータ） (2024-02-09T19:28:13Z)
Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文参考訳（メタデータ） (2022-04-19T10:41:09Z)
Using the Order of Tomographic Slices as a Prior for Neural Networks Pre-Training [1.1470070927586016]
ボリュームの代わりにスライス上でSortingLossを事前学習する手法を提案する。ボリュームではなくスライスで事前トレーニングを行うので、スライスのスパースセットでモデルを微調整することができる。提案手法はSimCLRと同等に動作し、2倍高速に動作し、1.5倍少ないメモリを必要とすることを示す。
論文参考訳（メタデータ） (2022-03-17T14:58:15Z)
Cherry-Picking Gradients: Learning Low-Rank Embeddings of Visual Data via Differentiable Cross-Approximation [53.95297550117153]
本稿では,大規模な視覚データテンソルの処理を行うエンドツーエンドのトレーニング可能なフレームワークを提案する。提案手法は大規模多次元グリッドデータや,大規模受容領域上のコンテキストを必要とするタスクに特に有用である。
論文参考訳（メタデータ） (2021-05-29T08:39:57Z)
CoTr: Efficiently Bridging CNN and Transformer for 3D Medical Image Segmentation [95.51455777713092]
畳み込みニューラルネットワーク(CNN)は、現代の3D医療画像セグメンテーションのデファクトスタンダードとなっている。本稿では,bf畳み込みニューラルネットワークとbfトランスbf(cotr)を効率良く橋渡しし,正確な3次元医用画像分割を実現する新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-03-04T13:34:22Z)
Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。この課題を解決するためのハイブリッド表現学習手法を提案します。
論文参考訳（メタデータ） (2020-12-14T05:22:49Z)
Exploring Deep 3D Spatial Encodings for Large-Scale 3D Scene Understanding [19.134536179555102]
生の3次元点雲の空間的特徴を非方向性グラフモデルに符号化することで,CNNに基づくアプローチの限界を克服する代替手法を提案する。提案手法は、訓練時間とモデル安定性を改善して、最先端の精度で達成し、さらなる研究の可能性を示す。
論文参考訳（メタデータ） (2020-11-29T12:56:19Z)

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。