論文の概要: Structured 3D-SVD: A Practical Framework for the Compression and Reconstruction of Biological Volumetric Images

• arxiv url: http://arxiv.org/abs/2604.16947v1
• Date: Sat, 18 Apr 2026 10:11:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.252973
• Title: Structured 3D-SVD: A Practical Framework for the Compression and Reconstruction of Biological Volumetric Images
• Title（参考訳）: Structured 3D-SVD : バイオボリューム画像の圧縮と再構成のための実践的枠組み
• Authors: Mario Aragonés Lozano, Oscar Romero, Antonio León,
• Abstract要約: 本研究では, バイオボリュームデータの再構成, 圧縮, 解析を行うための実用的なフレームワークとして, 構造化3D-SVDを導入する。 実験は,魚のフルボリューム・スキャンと脳のフルボリューム・スキャンの2つの生物学的ボリューム・データセットを用いて行った。
• 参考スコア（独自算出の注目度）: 0.3288086999241325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work introduces Structured 3D-SVD as a practical framework for the reconstruction, compression, and analysis of biological volumetric data. Inspired by the logic of matrix singular value decomposition (SVD), the proposed approach represents third-order volumetric data in the spatial domain and supports progressive reconstruction through ordered quasi-singular coeffients. The experimental evaluation was carried out on two biological volumetric datasets: one full-volume scan of a fish and another of a brain. The results show that Structured 3D-SVD achieves reconstruction quality close to that of Tucker decomposition while requiring shorter computation times and outperforms canonical polyadic decomposition (CPD) in both accuracy and runtime. In addition, a progressive reconstruction analysis shows that relatively low truncation levels are sufficient to preserve the main volumetric structures, while higher truncation levels lead to more detailed reconstructions.
• Abstract（参考訳）: 本研究では, バイオボリュームデータの再構成, 圧縮, 解析を行うための実用的なフレームワークとして, 構造化3D-SVDを導入する。 行列特異値分解(SVD)の論理に着想を得て,提案手法は空間領域における3次体積データを表現し,順序付き準特異係数による進行的再構成を支援する。 実験は,魚のフルボリューム・スキャンと脳のフルボリューム・スキャンの2つの生物学的ボリューム・データセットを用いて行った。 その結果, 3D-SVDはタッカー分解に近い再現性を実現し, 計算時間を短縮し, 正準ポリアディック分解(CPD)を精度, 実行時間ともに優れていた。 さらに, 進行的再構成解析により, 比較的低いトランケーションレベルは主体積構造を保存するのに十分であり, 高いトランケーションレベルはより詳細な再構築につながることが示された。

関連論文リスト

• PoInit-of-View: Poisoning Initialization of Views Transfers Across Multiple 3D Reconstruction Systems [55.84012796735184]
  近年,3次元再構築システムの入力ビューについて検討している。 本稿では,対向的摂動を最適化し,対面不整合を意図的に導入するPoInit-of-Viewを提案する。 実験により,多種多様な3次元再構成システムとデータセットに対するPoInit-of-Viewの有効性が示された。
  論文  参考訳（メタデータ） (2026-04-17T00:48:12Z)
• Sampling-Aware 3D Spatial Analysis in Multiplexed Imaging [6.355732454577005]
  高多重顕微鏡は、単一細胞の分解能で組織をリッチに特徴づけることができる。 ほとんどの分析は、本質的に3次元組織組織であるにもかかわらず、2次元の切断に依存している。 直列断面からのスパースかつ一貫した3次元解析を可能にする幾何認識再構成モジュールを提案する。
  論文  参考訳（メタデータ） (2026-04-09T06:59:15Z)
• Extending 2D foundational DINOv3 representations to 3D segmentation of neonatal brain MR images [3.186130813218338]
  グローバルMRIボリュームは、重複しない3Dウィンドウまたはサブキューブに分解され、それぞれが凍結した高忠実度機能の上に構築された別個のデコードアームを介して処理される。 提案手法は、1つの3Dウィンドウに対してDiceスコア0.65を達成する。
  論文  参考訳（メタデータ） (2026-02-27T12:16:21Z)
• Advanced Geometric Correction Algorithms for 3D Medical Reconstruction: Comparison of Computed Tomography and Macroscopic Imaging [0.9395222766576343]
  本稿では, マクロスライスから3次元腎解剖を再構築するためのハイブリッド2段階登録フレームワークを提案する。 これは、マクロ画像の典型的なデータスカシティと高歪みの課題に対処する。 提案手法は,光学的および写真的断面から再構成した他の軟部臓器に一般化する。
  論文  参考訳（メタデータ） (2026-01-30T17:16:17Z)
• Vector Representations of Vessel Trees [12.391128284848135]
  本稿では,3次元血管ネットワークに着目した木構造幾何データのベクトル表現を学習するための新しいフレームワークを提案する。 我々のフレームワークであるVeTTAは、医用画像における解剖学的構造を正確に、柔軟で、位相的に一貫したモデリングを提供する。
  論文  参考訳（メタデータ） (2025-06-11T20:34:08Z)
• Are Pixel-Wise Metrics Reliable for Sparse-View Computed Tomography Reconstruction? [61.48804987263701]
  解剖学的構造全体にわたる構造的完全性を評価するために,解剖学的評価尺度の組を提案する。 CAREは、重要な構造物の解剖学的保存を促進するために、訓練中に構造的罰則を取り入れている。 CAREはCT再建における構造的完全性を大幅に改善し、大臓器では+32%、小臓器では+22%、小腸では+40%、血管では+36%となる。
  論文  参考訳（メタデータ） (2025-06-02T17:07:10Z)
• Submillimeter-Accurate 3D Lumbar Spine Reconstruction from Biplanar X-Ray Images: Incorporating a Multi-Task Network and Landmark-Weighted Loss [5.514961917579977]
  本研究では,両平面X線画像からの高精度3次元再構成のための,新しい完全自動フレームワークを提案する。 この手法のコアとなるのは、腰椎の分解とランドマーク検出を同時に行う新しいマルチタスク深層学習ネットワークである。 サブミリ秒の精度で新しいベンチマークを設定し、完全な再構築と測定のワークフローを20秒以内で完了する。
  論文  参考訳（メタデータ） (2025-03-18T15:00:39Z)
• CryoFormer: Continuous Heterogeneous Cryo-EM Reconstruction using Transformer-based Neural Representations [49.49939711956354]
  核電子顕微鏡(cryo-EM)は、タンパク質やその他の生体分子の3D構造を高分解能で再構築することを可能にする。 3次元構造の連続的な動きをノイズやランダムに配向した2次元Creo-EM画像から再構成することは依然として困難である。 我々はCryoFormerを提案する。CryoFormerは連続したヘテロジニアスCryo-EM再構成のための新しいアプローチである。
  論文  参考訳（メタデータ） (2023-03-28T18:59:17Z)
• BNV-Fusion: Dense 3D Reconstruction using Bi-level Neural Volume Fusion [85.24673400250671]
  ニューラル・ボリューム・フュージョン (BNV-Fusion) は, ニューラル・暗黙表現とニューラル・レンダリングの最近の進歩を活用して高密度3次元再構成を行う。 新しい深度マップをグローバルな暗黙的表現に漸進的に統合するために、我々は新しい二段階融合戦略を提案する。 提案手法を定量的に定性的に評価し,既存手法よりも有意な改善を示した。
  論文  参考訳（メタデータ） (2022-04-03T19:33:09Z)

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。