論文の概要: Learning Dense 2D-3D Correspondence for X-ray-to-CT Registration of Knee Bones
- arxiv url: http://arxiv.org/abs/2607.22803v1
- Date: Fri, 24 Jul 2026 15:24:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:14.882125
- Title: Learning Dense 2D-3D Correspondence for X-ray-to-CT Registration of Knee Bones
- Title（参考訳）: 膝骨X線CT登録における高密度2D-3D対応の学習
- Abstract要約: ラジオグラフから膝骨の6-DoFのポーズを復元すると、低線量の画像が関節形状の定量的な測定に変換される。
我々は、投影幾何学のみで教師される、被写体に依存しない高密度2D-3D対応を学習する。
- 参考スコア（独自算出の注目度）: 1.2974485228990196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recovering the 6-DoF pose of the knee bones from a plain radiograph, given the patient's segmented pre-operative CT, turns a routine low-dose image into a quantitative measurement of joint geometry, without the added dose of a repeat CT or a fixed biplanar rig. Classic solutions align a rendered bone silhouette to image edges; recent alternatives refine pose by backpropagating an image-similarity loss through a differentiable X-ray renderer. Both operate one patient at a time and are fragile under a single view. Silhouettes are depth-ambiguous, and differentiable-rendering refinement has a narrow capture range at substantial per-iteration cost. We instead learn an amortized, subject-agnostic dense 2D-3D correspondence, supervised solely by projection geometry. One shared-weight model per bone, trained across 758 patients, registers patients unseen during training. The pose then follows in closed form from a global, initialization-free, render-free PnP+RANSAC solve. Because X-ray formation is transmissive, our correspondence target is transmission-aware rather than tied to a single surface. Though trained only to register, the representation is anatomically semantic: a simple classifier reads a landmark's anatomical region from its embedding across held-out patients, and the same features separate the knee's bones into a 2D-3D-consistent identity learned without any bone label. On a large single-institution cohort the model generalizes well to held-out patients.
- Abstract（参考訳）: 6-DoFの膝骨の6-DoFのポーズを、患者のセグメント化された術前CTから回収すると、定期的な低用量画像は、反復CTや固定されたバイプレナーリグの投与を伴わずに、関節形状の定量的な測定に変換される。
古典的なソリューションは、レンダリングされた骨シルエットを画像エッジに合わせる。
2人は一度に1人の患者を手術し、単一の視点で脆弱である。
シルエットは深度があいまいで、差別化可能な精細化は、1石当たりの実質的なコストで、捕獲範囲が狭い。
代わりに、投影幾何学のみによって制御された、被写体に依存しない高密度2D-3D対応を学習する。
骨1本あたりの共有体重モデルは、758人の患者で訓練され、トレーニング中に見えない患者を登録する。
ポーズは、グローバルで初期化自由でレンダリング自由なPnP+RANSAC解からクローズドな形で従う。
X線生成は透過性が高いため、通信対象は単一表面に縛られるのではなく、伝達に注意する。
単純な分類器は、保持された患者への埋め込みからランドマークの解剖学的領域を読み出し、同じ特徴が膝の骨を骨ラベルなしで学習された2D-3D一貫性のあるアイデンティティに分離する。
大きなシングルインスティテュートコホートでは、モデルは保留患者によく一般化される。
関連論文リスト
- Rendering Novel Views of MRI Using 3D Gaussian Splatting [54.6286495315908]
3D Gaussian Splatting を用いて, スパース異方性MRIから画像再構成を行い, 臨床評価に関係する解剖学的に整合した画像面を採取, 描画した。
新しいビュープレーンは対象解剖の診断に最適であるが、元のMRIはそうではない。
論文 参考訳（メタデータ） (2026-06-24T18:00:03Z) - Toward Training-Free Zero-Shot Anomaly Detection in 3D Medical Images: A Batch-Based Approach Using 2D Foundation Models [0.0]
2次元基礎モデルを用いた3次元医用画像の異常検出のためのトレーニングフリーフレームワークCS3Fを提案する。
Anomaly scores are obtained from cross-ject mutual similarity.
CS3Fは, 転移, グリオーマ, 脳卒中の脳MRIで評価し, 肺CTにて一般性試験を行った。
論文 参考訳（メタデータ） (2026-06-17T06:52:07Z) - VRXU-net: A Deep Learning Approach for Brain Ischemic Stroke Lesion Detection and Segmentation in T1W MRI [0.0]
本研究では,3次元MRI画像における虚血性脳梗塞の検出と分画を行うために,視覚的特徴,残差接続,U字型ネットワークから派生した新しいVRU-Netアーキテクチャを提案する。
性能と処理速度の両方を改善するために、シーケンシャルフレームワークにおけるセグメンテーションモデルの前に高性能な分類器を適用する。
提案モデルは、ストローク後の解剖学的トレースに基づいて訓練され、精度とDice係数の点で最先端のモデルより優れている。
論文 参考訳（メタデータ） (2026-05-20T18:44:08Z) - HyDAR-Pano3D: A Hybrid Disentangled Anatomical Recovery Framework for Panoramic-to-3D Reconstruction [10.481519508246437]
解剖学的回復問題としてPR-CBCT再構成を再構成する2段階フレームワークであるHyDAR-Pano3Dを提案する。
ステージ1では、デュアルエンコーダネットワークがSAM由来のセマンティックプリエントと放射線学的特徴を統合し、アーチ正規化された標準ボリュームを再構築する。
ステージ2では、解剖学的復元ネットワークが事前拘束された構造変形場を予測し、この標準体積をネイティブ空間にマッピングする。
論文 参考訳（メタデータ） (2026-05-20T07:20:56Z) - 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) - 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) - Three-dimensional Segmentation of the Scoliotic Spine from MRI using
Unsupervised Volume-based MR-CT Synthesis [3.6273410177512275]
本研究では,無教師付き完全3次元(3次元)クロスモダリティ合成法を提案する。
3D CycleGANモデルはMR領域とCT領域にまたがるボリューム・ツー・ボリューム変換のために訓練される。
結果として生じるセグメンテーションは、脊椎の3次元モデルを再構成するために使用される。
論文 参考訳（メタデータ） (2020-11-25T18:34:52Z) - Convolutional-LSTM for Multi-Image to Single Output Medical Prediction [55.41644538483948]
発展途上国の一般的なシナリオは、複数の理由からボリュームメタデータが失われることである。
ヒトの診断過程を模倣したマルチイメージから単一診断モデルを得ることが可能である。
論文 参考訳（メタデータ） (2020-10-20T04:30:09Z) - MotioNet: 3D Human Motion Reconstruction from Monocular Video with
Skeleton Consistency [72.82534577726334]
モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。
本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
論文 参考訳（メタデータ） (2020-06-22T08:50:09Z) - End-To-End Convolutional Neural Network for 3D Reconstruction of Knee
Bones From Bi-Planar X-Ray Images [6.645111950779666]
両平面X線画像から直接膝骨を3次元再構成するためのエンドツーエンド畳み込みニューラルネットワーク(CNN)を提案する。
論文 参考訳（メタデータ） (2020-04-02T08:37:11Z)
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。