論文の概要: Anatomy-Grounded Synthetic Coronary Angiography for Geometry-Informed Multi-View Matching
- arxiv url: http://arxiv.org/abs/2606.28474v1
- Date: Fri, 26 Jun 2026 14:58:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.580463
- Title: Anatomy-Grounded Synthetic Coronary Angiography for Geometry-Informed Multi-View Matching
- Title（参考訳）: 形状インフォームドマルチビューマッチングのための解剖学的冠動脈造影法
- Abstract要約: 本稿では3D冠動脈CT血管造影(CCTA)ボリュームから高忠実度デジタル再構成ラジオグラフィ(DRR)を合成する物理地上データ生成フレームワークを提案する。
我々のフレームワークは,患者解剖学における現実的なC-アームの獲得形状を人的コストゼロでシミュレートすることにより,高密度で高精度な3D-to-2Dプロジェクションラベルを生成する。
評価が主観的人間のアノテーションに依存する実際の血管造影とは違って、我々のデータセットは2D対応ラベルとペア画像を提供し、人間の自由な評価を可能にしている。
- 参考スコア（独自算出の注目度）: 6.620961894485603
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate correspondence matching across multiple angiographic views is the prerequisite for 3D coronary reconstruction and interventional guidance. However, the development of robust deep learning models for this task has been stifled by a fundamental data bottleneck. Obtaining ground truth for matching tasks in angiography pairs is prohibitively expensive and hard to scale. To overcome this barrier, we introduce a physically-grounded data generation framework that synthesizes high-fidelity Digital Reconstructed Radiographs (DRRs) from 3D Coronary CT Angiography (CCTA) volumes. Our framework generates dense, highly accurate 3D-to-2D projection labels by simulating realistic C-arm acquisition geometry on patient anatomy at zero human cost. Leveraging this dense supervision, we propose a Geometry-Informed Matching Module (GIMM) that integrates global feature and anatomical structure into correspondence learning. Unlike real angiography where assessment relies on subjective human annotation, our dataset provides 2D correspondence labels with paired images, allowing human-free evaluation. We comprehensively evaluate our method on the proposed CT-derived DRR dataset and demonstrate improvements over other matching baseline models.
- Abstract（参考訳）: 複数の血管造影像にまたがる正確な対応は、3次元冠動脈再建と介入指導の必要条件である。
しかし、このタスクのための堅牢なディープラーニングモデルの開発は、基本的なデータボトルネックによって妨げられている。
アンジオグラフィーペアにおけるタスクのマッチングに関する基礎的真理の達成は、極めて高価で、スケールが難しい。
この障壁を克服するために,3D冠状動脈造影(CCTA)ボリュームから高忠実度デジタル再構成ラジオグラフィ(DRR)を合成する物理地上データ生成フレームワークを導入する。
我々のフレームワークは,患者解剖学における現実的なC-アームの取得形状を人的コストゼロでシミュレートすることにより,高密度で高精度な3D-to-2Dプロジェクションラベルを生成する。
この密集した監視を活用し,大域的特徴と解剖学的構造を対応学習に統合したGIMM(Geometry-Informed Matching Module)を提案する。
評価が主観的人間のアノテーションに依存している実際の血管造影とは異なり、我々のデータセットは2D対応ラベルとペア画像を提供し、人間の自由な評価を可能にしている。
提案手法をCT由来のDRRデータセット上で総合的に評価し,他のマッチングベースラインモデルに対する改善点を示す。
関連論文リスト
- VesselSim: learning 3D blood vessel segmentation without expert annotations [7.634402582162916]
ユニバーサル3D血管セグメンテーションのための2段階フレームワークである VesselSim を提案する。
3D U-Netは、合成データのみに基づいて訓練され、16,500の解剖学的に妥当な3D血管造影ボリュームを生成する。
VesselSimは最先端のセグメンテーション基盤モデルと競合するパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-05-25T19:04:18Z) - Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。
厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。
類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
論文 参考訳（メタデータ） (2026-03-02T10:44:03Z) - Structured Spectral Graph Representation Learning for Multi-label Abnormality Analysis from 3D CT Scans [0.0]
3次元胸部CTスキャンのマルチラベル分類は依然として重要な課題である。
3次元畳み込みニューラルネットワークに基づく既存の手法は、長距離依存を捉えるのに苦労する。
本稿では3次元CTボリュームを構造化グラフとして表現するグラフベースの新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-12T19:49:51Z) - Bidirectional Mammogram View Translation with Column-Aware and Implicit 3D Conditional Diffusion [17.309030641962]
ビュー・ツー・ビューの翻訳は、行方不明のビューを回復し、病変のアライメントを改善するのに役立つ。
自然画像とは異なり、マンモグラフィーにおけるこの課題は、X線投影において大きな非剛性変形と重い組織が重なり合うため、非常に困難である。
本稿では,新しい双方向マンモグラムビュー変換フレームワークであるカラム・アウェア・インプリシット3次元拡散(CA3D-Diff)を提案する。
論文 参考訳（メタデータ） (2025-10-06T15:48:27Z) - Leveraging Diffusion Model and Image Foundation Model for Improved Correspondence Matching in Coronary Angiography [27.355294460128945]
冠動脈造影像における正確な対応は,3次元冠動脈構造の再構築に不可欠である。
自然画像の従来のマッチング手法は、テクスチャの欠如、コントラストの低さ、重なり合う構造といった固有の違いのために、X線画像への一般化に失敗することが多い。
本研究では,3次元再構成メッシュの2次元投影に条件付き拡散モデルを用いて,リアルな冠動脈造影画像を生成するパイプラインを提案する。
論文 参考訳（メタデータ） (2025-03-31T19:58:06Z) - Abnormality-Driven Representation Learning for Radiology Imaging [0.8321462983924758]
病変強調型コントラスト学習(LeCL)は,CTスキャンの異なる部位にわたる2次元軸方向スライスにおける異常により引き起こされる視覚的表現を得るための新しい手法である。
本研究は, 腫瘍病変位置, 肺疾患検出, 患者ステージングの3つの臨床的課題に対するアプローチを, 最先端の4つの基礎モデルと比較した。
論文 参考訳（メタデータ） (2024-11-25T13:53:26Z) - 3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。
パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
論文 参考訳（メタデータ） (2024-09-28T12:31:07Z) - 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) - 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) - Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。
提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。
3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
論文 参考訳（メタデータ） (2020-04-17T11:55:03Z)
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。