論文の概要: Transformation-driven generation of comparable projection images from multimodal anatomical scenes

• arxiv url: http://arxiv.org/abs/2606.16573v1
• Date: Mon, 15 Jun 2026 11:19:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.479229
• Title: Transformation-driven generation of comparable projection images from multimodal anatomical scenes
• Title（参考訳）: マルチモーダル解剖学的シーンからのコントラストプロジェクション画像の変換駆動生成
• Authors: Dariusz Pojda, Krzysztof Domino, Michał Tarnawski, Agnieszka Anna Tomaka,
• Abstract要約: マルチモーダル解剖学的データから合成投影画像を生成するための変換駆動型フレームワークを提案する。 独立に変換可能な体積および表面ベースの解剖オブジェクトを共有シーン表現内に埋め込む。 射影幾何学、取得モデリング、材料解釈、画像提示はいまだに明確に分離されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work addresses the computational problem of generating reproducible projection-space observations from heterogeneous anatomical scenes whose components may undergo independent spatial transformations. We propose a transformation-driven framework for synthetic projection imaging from multimodal anatomical data and demonstrate it on mandibular-motion scenarios. In contrast to conventional Digitally Reconstructed Radiograph (DRR) approaches primarily designed for registration, projection realism, or rendering efficiency, the proposed formulation treats projection imaging as an observation process operating on an explicitly represented anatomical scene. Independently transformable volumetric and surface-based anatomical objects are embedded within a shared scene representation and propagated directly into projection space through explicit transformations. Projection geometry, acquisition modelling, material interpretation, and image presentation remain explicitly separated, enabling controlled exploration of methodological assumptions while preserving reproducibility and direct comparability between generated projections. Particular emphasis is placed on transformation-driven anatomical scenarios relevant to craniofacial analysis, including mandibular motion and therapeutic repositioning. Using a shared anatomical reference scene composed of CT/CBCT volumes, segmented structures, surface models, and auxiliary anatomical or therapeutic objects, the framework enables generation of directly comparable VirtualRTG projections from multiple anatomical configurations while preserving identical imaging assumptions. Rather than aiming at fully physically faithful radiographic simulation, the proposed approach provides a controllable and reproducible methodological environment for studying anatomy--projection relationships, motion observability, and transformation-aware imaging workflows.
• Abstract（参考訳）: この研究は、独立した空間変換を行うことができる不均一な解剖学的シーンから再現可能な射影空間観測を生成するという計算問題に対処する。 マルチモーダル解剖学的データから合成投影画像を作成するための変換駆動型フレームワークを提案し,下顎運動のシナリオでそれを実証する。 従来のデジタル再構成ラジオグラフ (DRR) のアプローチは, 主に登録, プロジェクションリアリズム, レンダリング効率のために設計されているのに対し, 提案された定式化は, 明らかに示される解剖学的シーンで動作する観察過程として投影像を扱い, プロジェクションイメージングを取り扱う。 独立に変換可能な体積および表面に基づく解剖学的対象は共有シーン表現内に埋め込まれ、明示的な変換を通じて射影空間に直接伝播する。 射影幾何学、取得モデリング、資料解釈、画像提示は依然として明確に分離されており、生成した射影間の再現性と直接的な可視性を保ちながら、方法論的仮定を制御できる。 特に顎運動や治療的再配置など、頭蓋顔面分析に関連する変換駆動型解剖学的シナリオに重点を置いている。 CT/CBCTボリューム、セグメント構造、表面モデル、補助解剖学的または治療対象からなる共有解剖学的参照シーンを使用して、同一のイメージング仮定を維持しながら、複数の解剖学的構成から直接的に同等のVirtualRTGプロジェクションを生成することができる。 提案手法は、完全に物理的に忠実なラジオグラフィーシミュレーションではなく、解剖-投射関係、運動可観測性、変換-認識画像ワークフローを研究するための制御可能で再現可能な方法論環境を提供する。

関連論文リスト

• CheXanatomy: Anatomy-Aware Vision-Language Modeling for Chest Radiographs [3.369056928100267]
  CheXanatomyは、明示的な解剖学的知識を事前訓練された視覚言語モデルに統合するフレームワークである。 拡張性のある監視を実現するため,CTボリュームと前方プロジェクションCTセグメンテーションラベルからリアルな胸部X線像を合成する。 モデルスケール,入力解像度,視覚エンコーダの微調整など,U-Netベースラインに対する合成および実胸部X線写真へのアプローチを評価した。
  論文  参考訳（メタデータ） (2026-06-07T02:41:05Z)
• Assessment of the quantitative impact of occlusal positioning splints on temporomandibular joint conditions [0.0]
  顎関節構成(TMJ)の定量的解析法を提案し,その有効性を実証した。 この方法は、位置決めスプリントを、予め定義された下顎骨の剛性変換の物理的実現としてモデル化する。 選択した下顎位に対応するスプリントを設計・製造し、その位置決め精度を評価する。
  論文  参考訳（メタデータ） (2026-04-28T07:37:16Z)
• PartNerFace: Part-based Neural Radiance Fields for Animatable Facial Avatar Reconstruction [74.52310899576547]
  単眼のRGBビデオからアニマタブルな顔アバターを再構成するための部分ベース神経放射場であるPartNerFaceを提案する。 提案手法は,未知の表情によく当てはまり,微細な顔の動きをモデル化することができる。
  論文  参考訳（メタデータ） (2026-04-15T14:28:44Z)
• CardioComposer: Flexible and Compositional Anatomical Structure Generation with Disentangled Geometric Guidance [0.6312872285702812]
  本研究では,3次元空間に埋め込まれた解釈可能な楕円体プリミティブを用いて,ヒト解剖学の非条件拡散モデルを導出する枠組みを提案する。 本手法は, 逆拡散過程の導出に幾何モーメントロスを適用した多部分割マップ内の特定の組織の選択を含む。
  論文  参考訳（メタデータ） (2025-09-08T23:08:23Z)
• Novel-view X-ray Projection Synthesis through Geometry-Integrated Deep Learning [3.4916237834391874]
  DL-GIPSモデルは1つの既存の投影を利用して新しい視点からX線投影を合成する。 このモデルは、初期投影から抽出した幾何学的特徴とテクスチャ的特徴を戦略的に操り、新しい視角に合わせる。 そして、改良された幾何学的特徴と一貫したテクスチャ情報とを融合して、高度な画像生成プロセスを通じて最終的な投影を合成する。
  論文  参考訳（メタデータ） (2025-04-16T10:30:08Z)
• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [59.062085785106234]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• Double-Flow GAN model for the reconstruction of perceived faces from brain activities [13.707575848841405]
  そこで我々はDouble-Flow GANと呼ばれる新しい再構築フレームワークを提案する。 また,画像から抽出した特徴を条件として,fMRIから条件付き再構成モデルを事前学習するための事前学習プロセスも設計した。 その結果, 提案手法は, 複数の顔特性を正確に再構成し, 過去の再現モデルより優れ, 最先端の復元能力を示すことがわかった。
  論文  参考訳（メタデータ） (2023-12-12T18:07:57Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。