論文の概要: AdamFlow: Adam-based Wasserstein Gradient Flows for Surface Registration in Medical Imaging

• arxiv url: http://arxiv.org/abs/2604.02290v1
• Date: Thu, 02 Apr 2026 17:29:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.970898
• Title: AdamFlow: Adam-based Wasserstein Gradient Flows for Surface Registration in Medical Imaging
• Title（参考訳）: Adam Flow:Adam-based Wasserstein Gradient Flows for Surface Registration in Medical Imaging
• Authors: Qiang Ma, Qingjie Meng, Xin Hu, Yicheng Wu, Wenjia Bai,
• Abstract要約: 既存の表面登録法は、効率性と堅牢性の間のトレードオフに直面していることが多い。 本稿では,分布最適化問題として表面メッシュを確率測度として定式化する高速表面登録法を提案する。 種々の解剖学的構造にまたがるアフィンおよび非剛体表面の登録において,その優れた性能を実証的に示す。
• 参考スコア（独自算出の注目度）: 10.4838607211743
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surface registration plays an important role for anatomical shape analysis in medical imaging. Existing surface registration methods often face a trade-off between efficiency and robustness. Local point matching methods are computationally efficient, but vulnerable to noise and initialisation. Methods designed for global point set alignment tend to incur a high computational cost. To address the challenge, here we present a fast surface registration method, which formulates surface meshes as probability measures and surface registration as a distributional optimisation problem. The discrepancy between two meshes is measured using an efficient sliced Wasserstein distance with log-linear computational complexity. We propose a novel optimisation method, AdamFlow, which generalises the well-known Adam optimisation method from the Euclidean space to the probability space for minimising the sliced Wasserstein distance. We theoretically analyse the asymptotic convergence of AdamFlow and empirically demonstrate its superior performance in both affine and non-rigid surface registration across various anatomical structures.
• Abstract（参考訳）: 医用画像の解剖学的形状解析において表面登録は重要な役割を担っている。 既存の表面登録法は、効率性と堅牢性の間のトレードオフに直面していることが多い。 局所的な点マッチング法は計算効率は良いが、ノイズや初期化には弱い。 グローバルな点集合アライメントのために設計された手法は、高い計算コストを発生させる傾向がある。 そこで本研究では,表面メッシュを確率測度として定式化し,表面メッシュを分布最適化問題として表す高速表面登録法を提案する。 2つのメッシュ間の差は、対数線形計算複雑性を持つ効率的なスライスされたワッサーシュタイン距離を用いて測定される。 本稿では、ユークリッド空間からスライスされたワッサーシュタイン距離を最小化する確率空間へ、よく知られたアダム最適化方法を一般化した新しい最適化手法AdamFlowを提案する。 我々はAdamFlowの漸近収束を理論的に解析し、様々な解剖学的構造にまたがるアフィンおよび非剛体表面の登録において、その優れた性能を実証的に示す。

関連論文リスト

• Unified Brain Surface and Volume Registration [27.427968036901678]
  NeurAlignは脳MRI画像を3ドルで登録し、皮質と皮質下の両方の領域を共同で調整する。 本手法は,古典的および機械学習に基づく登録方法よりも一貫して優れている。 より優れた精度、高速な推測、使いやすさにより、NeurAlignは関節皮質および皮質下登録の新しい標準を設定している。
  論文  参考訳（メタデータ） (2025-12-22T23:05:26Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Diffeomorphic Mesh Deformation via Efficient Optimal Transport for Cortical Surface Reconstruction [40.73187749820041]
  メッシュ変形は、動的シミュレーション、レンダリング、再構成を含む多くの3次元視覚タスクにおいて重要な役割を果たす。 現在のディープラーニングにおける一般的なアプローチは、2つのメッシュからランダムにサンプリングされた2つの点雲とシャンファーの擬似距離を比較することで、2つの面間の差を測定するセットベースアプローチである。 本稿では,メッシュのスライスされたワッサーシュタイン距離を,セットベースアプローチを一般化する確率測度として表現したメッシュ変形の学習指標を提案する。
  論文  参考訳（メタデータ） (2023-05-27T19:10:19Z)
• Large-Scale Wasserstein Gradient Flows [84.73670288608025]
  ワッサーシュタイン勾配流を近似するスケーラブルなスキームを導入する。 我々のアプローチは、JKOステップを識別するために、入力ニューラルネットワーク(ICNN)に依存しています。 その結果、勾配拡散の各ステップで測定値からサンプリングし、その密度を計算することができる。
  論文  参考訳（メタデータ） (2021-06-01T19:21:48Z)
• Continuous Wasserstein-2 Barycenter Estimation without Minimax Optimization [94.18714844247766]
  ワッサーシュタイン・バリセンターは、最適輸送に基づく確率測度の重み付き平均の幾何学的概念を提供する。 本稿では,Wasserstein-2 バリセンタのサンプルアクセスを演算するスケーラブルなアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-02T21:01:13Z)
• Augmented Sliced Wasserstein Distances [55.028065567756066]
  拡張スライスされたワッサーシュタイン距離(ASWD)と呼ばれる新しい距離測定法を提案する。 ASWDは、ニューラルネットワークによってパラメータ化された高次元超曲面への最初のマッピングサンプルによって構成される。 数値的な結果から、ASWDは、合成問題と実世界の問題の両方において、他のワッサーシュタイン変種を著しく上回っていることが示されている。
  論文  参考訳（メタデータ） (2020-06-15T23:00:08Z)

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。