論文の概要: Template-Based Cortical Surface Reconstruction with Minimal Energy Deformation

• arxiv url: http://arxiv.org/abs/2509.14827v1
• Date: Thu, 18 Sep 2025 10:41:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-19 17:26:53.16765
• Title: Template-Based Cortical Surface Reconstruction with Minimal Energy Deformation
• Title（参考訳）: テンプレートによる最小エネルギー変形による皮質表面再構成
• Authors: Patrick Madlindl, Fabian Bongratz, Christian Wachinger,
• Abstract要約: 磁気共鳴画像(MRI)による皮質表面再構成(CSR)は神経画像解析の基礎となる。 学習ベースのCSRの最近の進歩は、処理を劇的に加速し、解剖学的テンプレートの変形を数秒で再現することができる。 しかし、学習した変形が変形エネルギーの点で最適であること、トレーニングの実行中に一貫性があることは、依然として特に課題である。 本研究では, 最小エネルギー変形(MED)損失を設計し, 変形軌道のレギュレータとして機能し, CSRにおいて広く使用されているチャンファー距離を補完する。
• 参考スコア（独自算出の注目度）: 6.321283533425182
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cortical surface reconstruction (CSR) from magnetic resonance imaging (MRI) is fundamental to neuroimage analysis, enabling morphological studies of the cerebral cortex and functional brain mapping. Recent advances in learning-based CSR have dramatically accelerated processing, allowing for reconstructions through the deformation of anatomical templates within seconds. However, ensuring the learned deformations are optimal in terms of deformation energy and consistent across training runs remains a particular challenge. In this work, we design a Minimal Energy Deformation (MED) loss, acting as a regularizer on the deformation trajectories and complementing the widely used Chamfer distance in CSR. We incorporate it into the recent V2C-Flow model and demonstrate considerable improvements in previously neglected training consistency and reproducibility without harming reconstruction accuracy and topological correctness.
• Abstract（参考訳）: 磁気共鳴画像(MRI)からの皮質表面再構成(CSR)は神経画像解析の基礎であり、大脳皮質の形態学的研究と機能的脳マッピングを可能にしている。 学習ベースのCSRの最近の進歩は、処理を劇的に加速し、解剖学的テンプレートの変形を数秒で再現することができる。 しかし、学習した変形が変形エネルギーの点で最適であること、トレーニングの実行中に一貫性があることは、依然として特に課題である。 本研究では, 最小エネルギー変形(MED)損失を設計し, 変形軌道のレギュレータとして機能し, CSRにおいて広く使用されているチャンファー距離を補完する。 近年のV2C-Flowモデルに組み込んで,再現精度と位相的正しさを損なうことなく,従来無視されていたトレーニング一貫性と再現性を大幅に向上したことを示す。

関連論文リスト

• Towards Prospective Medical Image Reconstruction via Knowledge-Informed Dynamic Optimal Transport [58.6869774515413]
  本稿では,新しい動的最適輸送フレームワークKIDOTについて紹介する。 KIDOTは、画像から画像への連続的な進化経路として再構成をモデル化し、画像知識インフォームドコスト関数と輸送方程式で導かれる、未完成のデータから学習する。 MRIとCTの再構成実験は、KIDOTの優れた性能を示す。
  論文  参考訳（メタデータ） (2025-05-23T09:05:10Z)
• Meta-learning Slice-to-Volume Reconstruction in Fetal Brain MRI using Implicit Neural Representations [9.749932662063992]
  複数の運動崩壊した低分解能2Dスライスからの高分解能スライス・ツー・ボリューム再構成(SVR)は、移動物体の画像ベース診断において重要なステップである。 既存のソリューションは、画像のアーティファクトや厳しい被写体の動きに苦しむか、あるいは、満足な再現性能を達成するためにスライス事前調整を必要とする。 本稿では,重度画像や動作不良の場合にも,高速かつ正確なMRI再構成を可能にする新しいSVR法を提案する。
  論文  参考訳（メタデータ） (2025-05-14T17:07:37Z)
• JSover: Joint Spectrum Estimation and Multi-Material Decomposition from Single-Energy CT Projections [45.14515691206885]
  多物質分解(MMD)は、ヒト体内の組織組成を定量的に再構築することを可能にする。 従来のMDDは、通常、スペクトルCTスキャナーと事前に測定したX線エネルギースペクトルを必要とし、臨床応用性を大幅に制限する。 本稿では,多材料構成を共同で再構成し,SECT投影から直接エネルギースペクトルを推定する一段階SEMMDフレームワークであるJSoverを提案する。
  論文  参考訳（メタデータ） (2025-05-12T23:32:21Z)
• 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)
• X$^{2}$-Gaussian: 4D Radiative Gaussian Splatting for Continuous-time Tomographic Reconstruction [45.31051025401413]
  X$2$-Gaussianは、連続4DCT再構成のための新しいフレームワークである。 動的放射スプラッティングと自己監督型呼吸運動学習を統合している。 従来の手法に比べて9.93dBのPSNR向上と2.25dBの改善を実現している。
  論文  参考訳（メタデータ） (2025-03-27T17:59:57Z)
• Double-Flow GAN model for the reconstruction of perceived faces from brain activities [13.707575848841405]
  そこで我々はDouble-Flow GANと呼ばれる新しい再構築フレームワークを提案する。 また,画像から抽出した特徴を条件として,fMRIから条件付き再構成モデルを事前学習するための事前学習プロセスも設計した。 その結果, 提案手法は, 複数の顔特性を正確に再構成し, 過去の再現モデルより優れ, 最先端の復元能力を示すことがわかった。
  論文  参考訳（メタデータ） (2023-12-12T18:07:57Z)
• Reconstruction of Cortical Surfaces with Spherical Topology from Infant Brain MRI via Recurrent Deformation Learning [16.9042503785353]
  MRIからの皮質表面再構成(CSR)は、脳の構造と機能を研究する鍵となる。 本稿では,数秒以内に効率よく球面マッピングを行う手法を提案する。 乳児期脳MRIに対するアプローチの有効性を実証し,CSRに重大な課題を提起した。
  論文  参考訳（メタデータ） (2023-12-10T20:20:16Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Exploring Epipolar Consistency Conditions for Rigid Motion Compensation in In-vivo X-ray Microscopy [3.6741311433177484]
  歯肉内X線顕微鏡(Intravital X-ray microscopy, XRM)は, 骨の微細構造変化の同定に重要である。 この方法の複雑さは、マウスの骨の高品質な3D再構成の必要性に起因している。 遠位偏極性条件 (ECC) を用いた運動補償は, 臨床CTでは有意な成績を示した。
  論文  参考訳（メタデータ） (2023-03-01T12:18:03Z)
• MHR-Net: Multiple-Hypothesis Reconstruction of Non-Rigid Shapes from 2D Views [46.022341180146206]
  NRSfM(Nor-Rigid Shapes from Motion)を復元する新しい手法であるMHR-Netを提案する。 MHR-Netは、2Dビューのための合理的な再構築セットを見つけることを目的としており、また、セットから最も可能性が高い再構築を選択する。 実験により、MHR-NetはHuman3.6M、SURREAL、300-VWのデータセット上で最先端の復元精度を達成することが示された。
  論文  参考訳（メタデータ） (2022-07-19T05:47:03Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• 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)
• Scale-Space Autoencoders for Unsupervised Anomaly Segmentation in Brain MRI [47.26574993639482]
  本研究では, 異常セグメンテーション性能の向上と, ネイティブ解像度で入力データのより鮮明な再構成を行う汎用能力を示す。 ラプラシアンピラミッドのモデリングにより、複数のスケールで病変のデライン化と集約が可能になる。
  論文  参考訳（メタデータ） (2020-06-23T09:20:42Z)

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。