論文の概要: Equivariant Symmetry-Aware Head Pose Estimation for Fetal MRI

• arxiv url: http://arxiv.org/abs/2512.04890v1
• Date: Thu, 04 Dec 2025 15:15:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:46.240624
• Title: Equivariant Symmetry-Aware Head Pose Estimation for Fetal MRI
• Title（参考訳）: Equivariant Symmetry-Aware Head Pose Estimation for Fetal MRI
• Authors: Ramya Muthukrishnan, Borjan Gagoski, Aryn Lee, P. Ellen Grant, Elfar Adalsteinsson, Polina Golland, Benjamin Billot,
• Abstract要約: 本稿では,新しい高速ポーズ推定法であるE(3)-Poseを提案する。 6-DoFヘッドポーズ推定による2次元MRIスライスの自動適応処方を可能にすることを目的としている。 一般供用および代表的な臨床胎児MRIデータセットに関する実験は,本手法の優れた堅牢性と一般化を実証するものである。
• 参考スコア（独自算出の注目度）: 5.003133209582619
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present E(3)-Pose, a novel fast pose estimation method that jointly and explicitly models rotation equivariance and object symmetry. Our work is motivated by the challenging problem of accounting for fetal head motion during a diagnostic MRI scan. We aim to enable automatic adaptive prescription of 2D diagnostic MRI slices with 6-DoF head pose estimation, supported by 3D MRI volumes rapidly acquired before each 2D slice. Existing methods struggle to generalize to clinical volumes, due to pose ambiguities induced by inherent anatomical symmetries, as well as low resolution, noise, and artifacts. In contrast, E(3)-Pose captures anatomical symmetries and rigid pose equivariance by construction, and yields robust estimates of the fetal head pose. Our experiments on publicly available and representative clinical fetal MRI datasets demonstrate the superior robustness and generalization of our method across domains. Crucially, E(3)-Pose achieves state-of-the-art accuracy on clinical MRI volumes, paving the way for clinical translation. Our implementation is available at github.com/ramyamut/E3-Pose.
• Abstract（参考訳）: E(3)-Poseは回転同値と物体対称性を協調的かつ明示的にモデル化する新しい高速ポーズ推定法である。 本研究の動機は,MRI画像診断における胎児の頭部運動の経時的変化を考慮に入れることにある。 本研究の目的は,2次元スライスより早く取得した3次元MRIボリュームによって支援された6-DoFヘッドポーズ推定による2次元診断MRIスライスの自動適応処方を可能にすることである。 既存の方法では、解剖学的対称性によって引き起こされる曖昧さや、低分解能、ノイズ、アーティファクトによって、臨床ボリュームを一般化するのに苦労している。 対照的に、E(3)-Poseは解剖学的対称性と剛性ポーズの等式を構築によって捉え、胎児の頭部ポーズの頑健な推定を得られる。 一般供用および代表的な臨床胎児MRIデータセットに関する実験は,本手法のドメイン間での堅牢性と一般化を実証するものである。 重要なことは、E(3)-Poseは臨床MRIボリュームの最先端の精度を達成し、臨床翻訳の道を開くことである。 実装はgithub.com/ramyamut/E3-Poseで公開しています。

関連論文リスト

• Unified 3D MRI Representations via Sequence-Invariant Contrastive Learning [0.15749416770494706]
  自己教師型深層学習は2次元の自然画像解析を加速させたが、3次元MRIへの変換は困難である。 定量的MRI(qMRI)を利用したemph-sequence-invariant self-supervised frameworkを提案する。 健常脳セグメンテーション(IXI)、脳梗塞セグメンテーション(ARC)、MRIによるデノイング実験は、ベースラインSSLアプローチよりも有意な増加を示した。
  論文  参考訳（メタデータ） (2025-01-21T11:27:54Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Extraction of 3D trajectories of mandibular condyles from 2D real-time MRI [2.1001649486621137]
  リアルタイムMRIは、臨床的に関連するパラメータを評価するのに十分な精度で、顆頭軌跡の抽出を可能にする。 矢状切片のセグメンテーションには微調整が必要だった。 顎閉鎖位における下顎頭上側方座標の差は平均1.7mmであった。
  論文  参考訳（メタデータ） (2024-06-21T07:35:40Z)
• X-Diffusion: Generating Detailed 3D MRI Volumes From a Single Image Using Cross-Sectional Diffusion Models [9.97747208739885]
  X-拡散(X-Diffusion)は、空間領域入力から詳細な3次元MRIボリュームを再構成する新しい断面積拡散モデルである。 X-Diffusionの重要な側面は、MRIデータを横断的なトレーニングと推論の間、全体的な3Dボリュームとしてモデル化することである。 以上の結果から,X-Diffusionは定量精度(PSNR)に優れるだけでなく,重要な解剖学的特徴を保っていることが示唆された。
  論文  参考訳（メタデータ） (2024-04-30T14:53:07Z)
• 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)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• 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)
• Cephalometric Landmark Regression with Convolutional Neural Networks on 3D Computed Tomography Data [68.8204255655161]
  側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。 本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。 本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
  論文  参考訳（メタデータ） (2020-07-20T12:45:38Z)

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。