論文の概要: UltraGS: Gaussian Splatting for Ultrasound Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2511.07743v1
• Date: Wed, 12 Nov 2025 01:14:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.456879
• Title: UltraGS: Gaussian Splatting for Ultrasound Novel View Synthesis
• Title（参考訳）: UltraGS: 超音波による新しいビュー合成のためのガウススメッティング
• Authors: Yuezhe Yang, Wenjie Cai, Dexin Yang, Yufang Dong, Xingbo Dong, Zhe Jin,
• Abstract要約: 超音波イメージングに最適化されたガウススプラッティングフレームワークである textbfUltraGS を提案する。 まず,奥行きを意識したガウス的スプレイティング戦略を導入し,各ガウス語を学習可能な視野に割り当てる。 第2に、低次球面調和と超音波固有波動物理を組み合わせた軽量レンダリング関数SH-DARSを設計する。
• 参考スコア（独自算出の注目度）: 11.32869758723533
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ultrasound imaging is a cornerstone of non-invasive clinical diagnostics, yet its limited field of view complicates novel view synthesis. We propose \textbf{UltraGS}, a Gaussian Splatting framework optimized for ultrasound imaging. First, we introduce a depth-aware Gaussian splatting strategy, where each Gaussian is assigned a learnable field of view, enabling accurate depth prediction and precise structural representation. Second, we design SH-DARS, a lightweight rendering function combining low-order spherical harmonics with ultrasound-specific wave physics, including depth attenuation, reflection, and scattering, to model tissue intensity accurately. Third, we contribute the Clinical Ultrasound Examination Dataset, a benchmark capturing diverse anatomical scans under real-world clinical protocols. Extensive experiments on three datasets demonstrate UltraGS's superiority, achieving state-of-the-art results in PSNR (up to 29.55), SSIM (up to 0.89), and MSE (as low as 0.002) while enabling real-time synthesis at 64.69 fps. The code and dataset are open-sourced at: https://github.com/Bean-Young/UltraGS.
• Abstract（参考訳）: 超音波画像は非侵襲的な臨床診断の基礎であるが、視野の制限は新規なビュー合成を複雑にしている。 超音波画像に最適化されたガウススプラッティングフレームワークであるtextbf{UltraGS} を提案する。 まず,各ガウスが学習可能な視野に割り当てられ,正確な深度予測と正確な構造表現を可能にする,奥行き認識型ガウススプレイティング戦略を導入する。 第2に,低次球面高調波と超音波特異的波動物理を組み合わせたSH-DARSを設計し,組織強度を正確にモデル化する。 第3に,実際の臨床プロトコル下での多様な解剖学的スキャンを計測するベンチマークである,臨床超音波検査データセットを寄贈する。 3つのデータセットに対する大規模な実験は、UltraGSの優位性を実証し、PSNR(29.55まで)、SSIM(0.89まで)、MSE(0.002まで)の3つの技術結果を達成するとともに、64.69 fpsでのリアルタイム合成を可能にした。 コードとデータセットは、https://github.com/Bean-Young/UltraGSでオープンソース化されている。

関連論文リスト

• UltraGauss: Ultrafast Gaussian Reconstruction of 3D Ultrasound Volumes [15.02330703285484]
  2D-to-3D再構成は、しばしば計算コストが高く、メモリ集約的であり、超音波物理と相容れない。 UltraGauss - 超音波波伝搬にビュー合成技術を拡張した最初の超音波特異的ガウス平滑化フレームワーク。 実際の臨床超音波データでは、UltraGaussは最先端の再建を5分で達成し、1枚の画像で0.99 SSIMに達する。
  論文  参考訳（メタデータ） (2025-05-08T20:53:47Z)
• UltraRay: Introducing Full-Path Ray Tracing in Physics-Based Ultrasound Simulation [40.609593860836554]
  レイトレーシングアルゴリズムを用いてエコーデータを生成する新しい超音波シミュレーションパイプラインを提案する。 先進的な超音波イメージングを再現するため,平面波イメージングに最適化されたレイエミッション方式を導入し,遅延とステアリング機能を取り入れた。 提案手法であるUltraRayは,視覚的品質の向上だけでなく,シミュレーション画像のリアリズムの向上にも寄与する。
  論文  参考訳（メタデータ） (2025-01-10T10:07:41Z)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• UNICORN: Ultrasound Nakagami Imaging via Score Matching and Adaptation [59.91293113930909]
  超音波による組織散乱の可視化と定量化は中上イメージングが約束している。 既存の手法では、最適なウィンドウサイズの選択に苦労し、推定の不安定性に悩まされている。 提案手法は,中上パラメータ推定のための高精度でクローズドな形状推定器であるUNICORNを提案する。
  論文  参考訳（メタデータ） (2024-03-10T18:05:41Z)
• BrainVoxGen: Deep learning framework for synthesis of Ultrasound to MRI [2.982610402087728]
  本研究は,脳の3次元超音波画像から3次元MRIボリュームを合成するための新しいディープラーニングフレームワークを提案する。 本研究は、神経画像領域における医療診断と治療計画における変革的応用を約束する。
  論文  参考訳（メタデータ） (2023-10-11T20:37:59Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)

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。