論文の概要: Vis2Reg: Visibility-Aware Landmark-Free Geometric 3D--2D Registration for Liver Laparoscopy
- arxiv url: http://arxiv.org/abs/2607.17810v1
- Date: Mon, 20 Jul 2026 10:56:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.596993
- Title: Vis2Reg: Visibility-Aware Landmark-Free Geometric 3D--2D Registration for Liver Laparoscopy
- Title（参考訳）: Vis2Reg: Visibility-Aware Landmark-free Geometric 3D--2D Registration for Liver Laparoscopy
- Abstract要約: ARガイド下腹腔鏡下手術では正確な3D--2D肝登録が重要である。
マスク一貫性のある可視領域を用いた変形を制約する可視性対応登録フレームワークVis2Regを提案する。
Vis2RegのDiceスコアは92.6%、Chamfer Distanceは1フレーム当たり111msの実際のデータセットで1.43mmである。
- 参考スコア（独自算出の注目度）: 3.3028711693359316
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate 3D--2D liver registration, which aligns preoperative 3D models to partial, view-dependent intraoperative surface observations, is critical for AR-guided laparoscopic surgery but remains challenging due to severe occlusion, limited visibility, and the lack of 3D ground-truth supervision. Existing landmark-free approaches perform partial-to-complete geometric alignment, yet robust self-supervision under extreme partial visibility remains difficult. We propose Vis2Reg, a visibility-aware registration framework that explicitly constrains deformation using mask-consistent visible regions. We introduce a visibility-aware self-supervision that derives a visible-domain 3D supervision signal from intraoperative masks, enabled by differentiable point rasterization and mask-guided back-projection. This formulation improves robustness under severe occlusion while maintaining fully self-supervised learning. Vis2Reg combines a robust geometric rigid initialization module with an implicit neural deformation field for stable alignment. Vis2Reg achieves a Dice score of 92.6\% and a Chamfer Distance of 1.43 mm on real intraoperative datasets, with 111 ms per-frame inference time, demonstrating both accuracy and practical efficiency.
- Abstract（参考訳）: ARガイド下腹腔鏡下手術では,術前の3Dモデルと部分的な視野依存性の術中表面観察とを一致させる正確な3D--2D肝登録が重要であるが,厳密な閉塞,視認性の制限,3D地表面の監督の欠如などにより,依然として困難である。
既存のランドマークのないアプローチは、部分-完備な幾何アライメントを実行するが、極端部分的な可視性の下では頑健な自己スーパービジョンは難しいままである。
マスク一貫性のある可視領域を用いて変形を明示的に制限する可視性対応登録フレームワークVis2Regを提案する。
視認性に配慮したセルフスーパービジョンを導入し,手術中のマスクから可視領域の3D監視信号を導出し,異なる点のラスタライズとマスク誘導バックプロジェクションによって実現した。
この定式化は、完全に自己教師付き学習を維持しながら、厳密な閉塞下で堅牢性を向上させる。
Vis2Regは、頑健な幾何学的剛性初期化モジュールと、安定したアライメントのための暗黙の神経変形場を結合する。
Vis2Regは実際の術中データセットで92.6\%のDiceスコアと1.43mmのChamfer Distanceを達成し、1フレーム当たり111msの推論時間で精度と実用性の両方を実証している。
関連論文リスト
- A Lightweight Fiducial-Based Pipeline for 3D Hyperspectral Mapping of ex-vivo Lumpectomy Specimens [5.019796206315394]
摘出標本の3次元高スペクトル点雲を発生する完全自動キャリブレーションフリーパイプラインを提案する。
パイプラインは1mm未満の3D登録誤差と0.02mm未満の2D再投射誤差を達成し、アクセラレーションされたハードウェアで4分未満の処理時間を持つ。
論文 参考訳（メタデータ） (2026-06-12T15:11:50Z) - UniV2D: Bridging Visual Restoration and Semantic Perception for Underwater Salient Object Detection [71.83097731030254]
視覚的回復と有能な物体検出を協調的に最適化するUnified Vision-to-Detection Network (UniV2D)を提案する。
UniV2Dは、セマンティック駆動学習パラダイムを導入している。
定量評価と定性評価の両方において最先端の手法を著しく上回る。
論文 参考訳（メタデータ） (2026-05-08T02:31:45Z) - SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
UAV VLNのための幾何学誘導空間表現フレームワークを提案する。
明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。
実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2026-03-22T03:56:58Z) - 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) - Robust Mesh Saliency GT Acquisition in VR via View Cone Sampling and Geometric Smoothing [59.12032628787018]
バーチャルリアリティー(VR)における人中心視覚モデリングには3次元メッシュサリエンシ基底真理が不可欠である
現在のVRアイトラッキングパイプラインは、単一線サンプリングとユークリッドのスムース化に依存しており、テクスチャの注意を喚起し、ギャップをまたいだ信号の漏洩を引き起こす。
本稿では,これらの制約に対処する頑健な枠組みを提案する。
論文 参考訳（メタデータ） (2026-01-06T05:20:12Z) - 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) - Landmark-Free Preoperative-to-Intraoperative Registration in Laparoscopic Liver Resection [50.388465935739376]
術前の3Dモデルを術中2Dフレームにオーバーレイすることで肝臓の空間解剖を明瞭に把握し,より高い手術成功率を達成することができる。
既存の登録法は解剖学的ランドマークに大きく依存しており、2つの大きな制限に直面している。
本稿では,効果的な自己教師型学習を生かした,目覚ましくない術前・術中登録フレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-21T14:55:57Z) - Rigid Single-Slice-in-Volume registration via rotation-equivariant 2D/3D feature matching [3.041742847777409]
本研究では,1つの2次元スライスと対応する3次元ボリュームを一致させる自己教師付き2D/3D登録手法を提案する。
NSCLC-Radiomics CTおよびKIRBY21 MRIデータセット上で,提案したスライス・イン・ボリューム登録の堅牢性を示す。
論文 参考訳（メタデータ） (2024-10-24T12:24:27Z) - GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。
提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
論文 参考訳（メタデータ） (2024-05-17T07:31:20Z) - RSB-Pose: Robust Short-Baseline Binocular 3D Human Pose Estimation with Occlusion Handling [19.747618899243555]
我々は、ポータビリティと幾何学的測定特性の両方を提供する短基線双眼設定に照準を合わせました。
両眼の基準線が短くなるにつれて, 第一に, 2次元誤差に対する3次元再構成の堅牢性は低下する。
本稿では,2次元キーポイントの表示一貫性を改善し,3次元ロバスト性を高めるためのステレオコキーポイント推定モジュールを提案する。
論文 参考訳（メタデータ） (2023-11-24T01:15:57Z)
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。