論文の概要: DermDepth: Toward Monocular Metric Scale 3D Reconstruction Models for Dermatology

• arxiv url: http://arxiv.org/abs/2607.13010v2
• Date: Wed, 15 Jul 2026 15:42:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 12:21:59.672228
• Title: DermDepth: Toward Monocular Metric Scale 3D Reconstruction Models for Dermatology
• Title（参考訳）: DermDepth: 皮膚科における単眼メートルスケール3次元再構成モデルに向けて
• Authors: Héctor Carrión, Narges Norouzi,
• Abstract要約: 本稿では,皮膚科領域における最初のシングルビューメトリックスケール3DモデルであるDermDepthを紹介する。 また、D-Synthは、ピクセル完全3D情報を備えた初めての合成皮膚内視鏡的データセットである。
• 参考スコア（独自算出の注目度）: 5.316734431170194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dermatological practice routinely involves measuring and tracking lesion size, morphology and texture, as critical components of wound or skin cancer screening, monitoring and diagnosis. To accomplish this task, practitioners often image the skin surface with commonly available off-the-shelf camera sensors. This has led to an overwhelming research focus on 2D methods while these objectives naturally benefit from 3D information. In this paper, we demonstrate that dense monocular 3D reconstructions, metric scale measurements and rich surface normal texture estimates are achievable for both dermoscopic and macroscopic cases without the need for additional hardware or multiple captures. We present DermDepth, the first single-view metric scale 3D model for the dermatological domain and D-Synth, the first synthetic dermoscopic dataset with pixel-perfect 3D information. Our experiments show training DermDepth on D-Synth corrects metric scale error from over 16x to under 1.1x for real dermoscopic data, while preserving geometric quality and increasing texture richness. Fine-tuning on a small amount of real clinical samples generalizes our method across three real-world benchmarks spanning the few mm to hundred cm range, diverse skin-tones, chronic wound cases and produces measurements broadly consistent with disease size reported in medical literature. All code, data and models are available at https://github.com/hectorcarrion/dermdepth.
• Abstract（参考訳）: 皮膚科の実践では、傷や皮膚がんのスクリーニング、モニタリング、診断の重要な構成要素として、病変の大きさ、形態、テクスチャの測定と追跡が日常的に行われる。 この課題を達成するために、実践者はよく市販のカメラセンサーで皮膚の表面を撮影する。 これらの目的は自然に3D情報から恩恵を受ける一方で、2D手法に圧倒的な焦点が当てられている。 本稿では,高密度モノクローナル3次元再構成,計量スケール測定,およびリッチ表面標準テクスチャ推定が,追加のハードウェアやマルチキャプチャを必要とせずに,皮膚内視鏡およびマクロスコープの両方の症例に対して達成可能であることを実証する。 本稿では,DermDepthについて述べる。DermDepth,D-Synth,DermDepth,DermDepth,DermDepth,D-Synth,Pixel-perfect 3D。 D-Synth におけるDermDepth のトレーニングにより,D-Synth の寸法誤差を16倍から1.1倍に補正し,幾何的品質を保ち,テクスチャの豊かさを高めた。 少量の臨床サンプルを微調整することで,数mmから100cmの範囲,肌色,慢性傷の3つの実世界のベンチマークを対象とし,医療文献で報告された疾患の大きさと広範囲に一致した測定結果が得られた。 すべてのコード、データ、モデルはhttps://github.com/hectorcarrion/dermdepth.comで入手できる。

関連論文リスト

• Single-Slice-to-3D Reconstruction in Medical Imaging and Natural Objects: A Comparative Benchmark with SAM 3D [3.4556845230054165]
  本稿では,5つの最先端画像-3Dモデルに対して,単一スライス医療画像-3D再構成のベンチマークを示す。 本研究は, 単一スライス医療再建の限界を定量化し, 2次元医療データの平面的性質による深度あいまいさを強調した。
  論文  参考訳（メタデータ） (2026-02-10T04:47:27Z)
• FAMOUS: High-Fidelity Monocular 3D Human Digitization Using View Synthesis [51.193297565630886]
  テクスチャを正確に推測することの難しさは、特に正面視画像の人物の背中のような不明瞭な領域に残る。 このテクスチャ予測の制限は、大規模で多様な3Dデータセットの不足に起因する。 本稿では,3次元デジタル化におけるテクスチャと形状予測の両立を図るために,広範囲な2次元ファッションデータセットを活用することを提案する。
  論文  参考訳（メタデータ） (2024-10-13T01:25:05Z)
• Post-mastoidectomy Surface Multi-View Synthesis from a Single Microscopy Image [4.777201894011511]
  単一CI顕微鏡画像から合成多視点映像を生成することができる新しいパイプラインを提案する。 本研究は, 術前CT検査を用いて, 乳頭切除後の表面を予測し, 本目的のために設計した方法である。
  論文  参考訳（メタデータ） (2024-08-31T16:45:24Z)
• Generative Enhancement for 3D Medical Images [74.17066529847546]
  本稿では,3次元医用画像合成の新しい生成手法であるGEM-3Dを提案する。 本手法は2次元スライスから始まり,3次元スライスマスクを用いて患者に提供するための情報スライスとして機能し,生成過程を伝搬する。 3D医療画像をマスクと患者の事前情報に分解することで、GEM-3Dは多目的な3D画像を生成する柔軟な、かつ効果的なソリューションを提供する。
  論文  参考訳（メタデータ） (2024-03-19T15:57:04Z)
• 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)
• Skin Lesion Correspondence Localization in Total Body Photography [4.999387255024588]
  全身写真(TBP)において,テクスチャ情報とテクスチャ情報を組み合わせて皮膚病変対応をソーススキャンからターゲットスキャンにローカライズする新しい枠組みを提案する。 全身3Dキャプチャーがより普及し,高品質になるにつれて,本手法は皮膚病変の経時的追跡において重要なステップとなることが期待されている。
  論文  参考訳（メタデータ） (2023-07-18T21:10:59Z)
• Detection and Longitudinal Tracking of Pigmented Skin Lesions in 3D Total-Body Skin Textured Meshes [13.93503694899408]
  3次元全身皮膚表面スキャンによる皮膚病変の検出と追跡のための自動的アプローチを提案する。 得られた対象の3Dメッシュを2Dテクスチャ画像にラップし、訓練を受けた領域畳み込みニューラルネットワーク(R-CNN)が2D領域内の病変を局在化させる。 以上の結果から, 訓練されたR-CNNは, ヒトのアノテータと同等の性能で病変を検出することが示唆された。
  論文  参考訳（メタデータ） (2021-05-02T01:52:28Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。