論文の概要: US-X Complete: A Multi-Modal Approach to Anatomical 3D Shape Recovery

• arxiv url: http://arxiv.org/abs/2511.15600v1
• Date: Wed, 19 Nov 2025 16:45:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.902536
• Title: US-X Complete: A Multi-Modal Approach to Anatomical 3D Shape Recovery
• Title（参考訳）: US-X Complete: 解剖学的3次元形状復元のためのマルチモーダルアプローチ
• Authors: Miruna-Alexandra Gafencu, Yordanka Velikova, Nassir Navab, Mohammad Farid Azampour,
• Abstract要約: 本稿では,3次元超音波における閉塞型解剖構造を完遂するための新しいマルチモーダル学習法を提案する。 我々は,(1)X線スキャンをシミュレートする2次元側方椎体ビューと(2)部分椎体表現からなるペアトレーニングデータを生成する。 本手法は画像モダリティの両面で形態情報を統合し, 脊椎再建において有意な改善が認められた。
• 参考スコア（独自算出の注目度）: 38.0728021642047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound offers a radiation-free, cost-effective solution for real-time visualization of spinal landmarks, paraspinal soft tissues and neurovascular structures, making it valuable for intraoperative guidance during spinal procedures. However, ultrasound suffers from inherent limitations in visualizing complete vertebral anatomy, in particular vertebral bodies, due to acoustic shadowing effects caused by bone. In this work, we present a novel multi-modal deep learning method for completing occluded anatomical structures in 3D ultrasound by leveraging complementary information from a single X-ray image. To enable training, we generate paired training data consisting of: (1) 2D lateral vertebral views that simulate X-ray scans, and (2) 3D partial vertebrae representations that mimic the limited visibility and occlusions encountered during ultrasound spine imaging. Our method integrates morphological information from both imaging modalities and demonstrates significant improvements in vertebral reconstruction (p < 0.001) compared to state of art in 3D ultrasound vertebral completion. We perform phantom studies as an initial step to future clinical translation, and achieve a more accurate, complete volumetric lumbar spine visualization overlayed on the ultrasound scan without the need for registration with preoperative modalities such as computed tomography. This demonstrates that integrating a single X-ray projection mitigates ultrasound's key limitation while preserving its strengths as the primary imaging modality. Code and data can be found at https://github.com/miruna20/US-X-Complete
• Abstract（参考訳）: Ultrasoundは、脊椎のランドマーク、脊髄の軟部組織、神経血管構造のリアルタイム可視化のための、放射線のない、費用対効果の高いソリューションを提供する。 しかし、超音波は完全な脊椎解剖、特に脊椎の骨による音響的影効果を可視化する固有の限界に悩まされている。 本研究では, 1枚のX線画像から補完的な情報を活用することで, 3次元超音波における閉塞型解剖構造を完遂する新しい多モード深層学習法を提案する。 トレーニングを実現するために,(1)X線スキャンを模擬する2次元側方椎体ビュー,(2)超音波脊椎イメージングで発生する限られた視認性と閉塞を模した3次元部分椎体表現のペアトレーニングデータを生成した。 本手法は両画像からの形態情報を統合し,3次元超音波椎体完成時の術式と比較して,脊椎再建(p<0。001)が有意に改善したことを示す。 今後の臨床翻訳の第一段階としてファントム研究を行い,CTなどの術前モダリティの登録を必要とせず,超音波スキャンでより正確で完全な腰部脊柱の可視化を行う。 このことは、単一のX線プロジェクションを統合することで、超音波の鍵制限を緩和し、その強度を一次イメージングのモダリティとして保っていることを示している。 コードとデータはhttps://github.com/miruna20/US-X-Completeで確認できる。

関連論文リスト

• Shape Completion and Real-Time Visualization in Robotic Ultrasound Spine Acquisitions [35.52384354036415]
  本稿では,ロボット超音波とリアルタイム補完を組み合わせた新しい統合システムを提案する。 私たちのロボットプラットフォームは、自律的に腰椎のUSスイープを取得し、超音波から脊椎表面を抽出し、完全な解剖を再構築します。 このフレームワークは、対話的でリアルタイムな可視化を提供し、スキャンを自律的に繰り返す機能と、ナビゲーションでターゲットの場所を指定できる。
  論文  参考訳（メタデータ） (2025-08-12T13:19:37Z)
• Reconstruction of 3D lumbar spine models from incomplete segmentations using landmark detection [0.4194295877935868]
  不完全な3次元椎体から完全3次元腰椎モデルを再構築する新しい方法を提案する。 本手法は, 腰椎全椎をわずか0.14秒でL1からL5に区分する。
  論文  参考訳（メタデータ） (2024-12-06T14:23:42Z)
• Real-time volumetric free-hand ultrasound imaging for large-sized organs: A study of imaging the whole spine [20.706228114101464]
  3次元超音波イメージングは、構造観察と測定における従来の2次元超音波イメージングの限界を克服することができる。 大型臓器の体積超音波画像撮影は, 長い取得時間, 避けられない患者の動き, 3D特徴認識などの困難に直面している。 以上の課題に最適化された実時間容積自由手超音波画像システムを提案し,その臨床診断に応用した。
  論文  参考訳（メタデータ） (2024-11-25T06:40:29Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Domain adaptation strategies for 3D reconstruction of the lumbar spine using real fluoroscopy data [9.21828361691977]
  本研究は整形外科手術における手術ナビゲーション導入における重要な障害に対処するものである。 これは、少数の蛍光画像から脊椎の3次元解剖モデルを生成するためのアプローチを示す。 これまでの合成データに基づく研究の精度に匹敵する84%のF1スコアを達成しました。
  論文  参考訳（メタデータ） (2024-01-29T10:22:45Z)
• 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)
• 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)
• 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)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)

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。