論文の概要: 3D Reconstruction of Coronary Vessel Trees from Biplanar X-Ray Images Using a Geometric Approach

• arxiv url: http://arxiv.org/abs/2509.13358v1
• Date: Mon, 15 Sep 2025 08:23:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.555308
• Title: 3D Reconstruction of Coronary Vessel Trees from Biplanar X-Ray Images Using a Geometric Approach
• Title（参考訳）: 幾何学的手法を用いた2平面X線画像からの冠状血管の3次元再構築
• Authors: Ethan Koland, Lin Xi, Nadeev Wijesuriya, YingLiang Ma,
• Abstract要約: 両平面X線画像から3次元血管木を再構築する枠組みを提案する。 提案するフレームワークは,イメージセグメンテーション,モーションフェーズマッチング,3次元再構成の3つの主要コンポーネントから構成される。
• 参考スコア（独自算出の注目度）: 0.685068326729525
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: X-ray angiography is widely used in cardiac interventions to visualize coronary vessels, assess integrity, detect stenoses and guide treatment. We propose a framework for reconstructing 3D vessel trees from biplanar X-ray images which are extracted from two X-ray videos captured at different C-arm angles. The proposed framework consists of three main components: image segmentation, motion phase matching, and 3D reconstruction. An automatic video segmentation method for X-ray angiography to enable semantic segmentation for image segmentation and motion phase matching. The goal of the motion phase matching is to identify a pair of X-ray images that correspond to a similar respiratory and cardiac motion phase to reduce errors in 3D reconstruction. This is achieved by tracking a stationary object such as a catheter or lead within the X-ray video. The semantic segmentation approach assigns different labels to different object classes enabling accurate differentiation between blood vessels, balloons, and catheters. Once a suitable image pair is selected, key anatomical landmarks (vessel branching points and endpoints) are matched between the two views using a heuristic method that minimizes reconstruction errors. This is followed by a novel geometric reconstruction algorithm to generate the 3D vessel tree. The algorithm computes the 3D vessel centrelines by determining the intersection of two 3D surfaces. Compared to traditional methods based on epipolar constraints, the proposed approach simplifies there construction workflow and improves overall accuracy. We trained and validated our segmentation method on 62 X-ray angiography video sequences. On the test set, our method achieved a segmentation accuracy of 0.703. The 3D reconstruction framework was validated by measuring the reconstruction error of key anatomical landmarks, achieving a reprojection errors of 0.62mm +/- 0.38mm.
• Abstract（参考訳）: X線アンギオグラフィーは、冠動脈の可視化、整合性の評価、ステントロースの検出、ガイド治療に広く用いられている。 異なるCアーム角度で撮影した2本のX線映像から抽出した2平面X線画像から3次元血管木を再構築する枠組みを提案する。 提案するフレームワークは,イメージセグメンテーション,モーションフェーズマッチング,3次元再構成の3つの主要コンポーネントから構成される。 画像セグメンテーションとモーションフェーズマッチングのためのセマンティックセグメンテーションを可能にするX線血管造影の自動ビデオセグメンテーション法 運動相マッチングの目的は、同様の呼吸・心動相に対応する一対のX線画像を特定し、3D再構成における誤差を低減することである。 これは、X線ビデオ内のカテーテルや鉛などの静止物体を追跡することで達成される。 セグメンテーションアプローチは、異なるラベルを異なるオブジェクトクラスに割り当て、血管、バルーン、カテーテルの正確な区別を可能にする。 適切な画像対が選択されると、2つのビューの間に重要な解剖学的ランドマーク(分岐点と終点)が一致し、再構成エラーを最小限に抑えるヒューリスティックな方法が選択される。 続いて、新しい幾何学的再構成アルゴリズムで3次元血管木を生成する。 アルゴリズムは2つの3次元表面の交点を決定することによって3次元容器の中心線を計算する。 エピポーラ制約に基づく従来の手法と比較して,提案手法は構築ワークフローを単純化し,全体的な精度を向上させる。 62本のX線アンギオグラフィー画像で, セグメンテーション法を訓練し, 検証した。 実験では, セグメンテーション精度0.703。 3次元再構成フレームワークは, キー解剖学的ランドマークの復元誤差を測定し, 再投影誤差0.62mm+/-0.38mmとした。

関連論文リスト

• RayEmb: Arbitrary Landmark Detection in X-Ray Images Using Ray Embedding Subspace [0.7937206070844555]
  術前CTによるX線画像の術中2D-3D記録は整形外科手術において極めて重要である。 本稿では,X線画像中の任意のランドマーク点を検出することで,この問題に対処する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-10-10T17:36:21Z)
• X-Ray to CT Rigid Registration Using Scene Coordinate Regression [1.1687067206676627]
  本稿では,極端視点に頑健な完全自動登録手法を提案する。 これは、与えられたX線画像の重なり合う座標を回帰する完全な畳み込みニューラルネットワーク(CNN)に基づいている。 提案手法は, 模擬試験データセットの50パーセンタイルにおける平均平均目標登録誤差(mTRE)を3.79mmとし, ペルビス登録のための実フルオロスコープ画像の50パーセンタイルにおける平均目標登録誤差(mTRE)を9.65mmと予測した。
  論文  参考訳（メタデータ） (2023-11-25T17:48:46Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
  Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。 従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。 これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。 本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-26T14:38:42Z)
• DeepRecon: Joint 2D Cardiac Segmentation and 3D Volume Reconstruction via A Structure-Specific Generative Method [12.26150675728958]
  本稿では,複数の臨床的に不可欠な結果を生成する,エンドツーエンドの潜在空間ベースのフレームワークであるDeepReconを提案する。 本手法は,心構造に対する正確な意味情報を含むシネ画像の最適潜時表現を同定する。 特に,本モデルでは,正確な意味情報と心構造のセグメンテーションを併用して合成画像を生成する。
  論文  参考訳（メタデータ） (2022-06-14T20:46:11Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• 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)
• IGCN: Image-to-graph Convolutional Network for 2D/3D Deformable Registration [1.2246649738388387]
  単一視点2次元投影画像に対する3次元臓器メッシュの変形可能な登録を実現する画像間畳み込みネットワークを提案する。 複数臓器間の関係を考慮に入れた形状予測は, 臨床的に許容できる精度で放射線像からの呼吸運動と変形を予測するのに有用である。
  論文  参考訳（メタデータ） (2021-10-31T12:48:37Z)
• Deep Learning compatible Differentiable X-ray Projections for Inverse Rendering [8.926091372824942]
  距離マップを生成するために、メッシュ内部の線状構造によって移動される距離を導出して微分可能とする。 骨盤の実際の2次元蛍光画像から3次元モデルを再構成する逆問題(逆問題)を解くことにより,その応用を示す。
  論文  参考訳（メタデータ） (2021-02-04T22:06:05Z)
• XraySyn: Realistic View Synthesis From a Single Radiograph Through CT Priors [118.27130593216096]
  放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。 私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。 本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
  論文  参考訳（メタデータ） (2020-12-04T05:08:53Z)

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。