論文の概要: Patient-Agnostic Synthetic Pretraining for Efficient Patient-Specific Intraoperative 2D/3D Registration

• arxiv url: http://arxiv.org/abs/2607.23343v1
• Date: Sat, 25 Jul 2026 19:39:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.068368
• Title: Patient-Agnostic Synthetic Pretraining for Efficient Patient-Specific Intraoperative 2D/3D Registration
• Title（参考訳）: 効率的な術中2D/3Dレジストレーションのための患者非依存型プレトレーニング
• Abstract要約: 術中2D/3Dレジストレーションは術前CTボリュームを術中X線や蛍光画像と一致させる。 近年の学習ベースおよび差別化可能な登録手法は,有望な精度を示している。 患者に依存しない合成事前学習と球面類似性学習に基づく,効率的な患者固有の2D/3D登録フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 17.28038933121844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intraoperative 2D/3D registration aligns preoperative CT volumes with intraoperative X-ray or fluoroscopic images and is essential for image-guided interventions. Recent learning-based and differentiable registration methods have shown promising accuracy, especially in patient-specific settings where abundant digitally reconstructed radiographs (DRRs) can be synthesized from the target CT. However, training a separate patient-specific model from scratch for every new patient is computationally inefficient and limits practical deployment. In this work, we propose an efficient patient-specific 2D/3D registration framework based on patient-agnostic synthetic pretraining and spherical similarity learning. The model is first pretrained on synthetic DRRs generated from multiple CT volumes to learn transferable pose-sensitive representations, and is then adapted to a new patient using only a limited number of synthetic projections from the target CT. To improve synthetic-to-real robustness without requiring anatomical labels, we introduce a segmentation-free domain randomization strategy that perturbs image intensity, projection physics, field-of-view, occlusion, and fluoroscopic artifacts. The adapted model provides an initial pose estimate, which is further refined using spherical similarity learning and differentiable Levenberg-Marquardt optimization. Experiments on multiple anatomical datasets evaluate whether patient-agnostic synthetic pretraining can improve the efficiency of patient-specific registration, with particular focus on the trade-off between adaptation cost and registration accuracy. The results demonstrate that patient-agnostic synthetic pretraining can significantly reduce patient-specific training requirements while preserving accurate intraoperative 2D/3D registration.
• Abstract（参考訳）: 術中2D/3Dレジストレーションは術前CTボリュームを術中X線や蛍光画像と整合させ,画像ガイド下手術に必須である。 近年の学習ベースで差別化可能な登録法は,特に患者固有の環境において,対象CTから多量のデジタル再構成ラジオグラフィ(DRR)を合成できる場合に有望な精度を示す。 しかし、新しい患者に対して、スクラッチから別の患者固有のモデルを訓練することは、計算的に非効率であり、実践的な展開を制限する。 本研究では,患者に依存しない合成事前学習と球面類似性学習に基づく,効率的な患者固有の2D/3D登録フレームワークを提案する。 このモデルは、まず、複数のCTボリュームから生成された合成DRRに事前トレーニングされ、転送可能なポーズ感受性表現を学習し、ターゲットCTからの限られた数の合成プロジェクションを使用して、新しい患者に適応する。 本研究では, 画像強度, 投影物理, 視野, オクルージョン, フルオロスコピックアーティファクトを摂動するセグメンテーションフリー領域ランダム化戦略を導入する。 適応モデルは初期ポーズ推定を提供し、球面類似性学習と微分可能なレバンス・マルカルト最適化を用いてさらに洗練される。 複数の解剖学的データセットの実験は、患者に依存しない合成事前訓練が患者固有の登録の効率を向上させるかどうかを評価し、特に適応コストと登録精度のトレードオフに焦点を当てている。 以上の結果から,患者非依存の人工プレトレーニングは,術中2D/3Dの正確な登録を保ちながら,患者固有のトレーニング要件を著しく低減できることが示された。

関連論文リスト

• Virtual-reality based patient-specific simulation of spine surgical procedures: A fast, highly automated and high-fidelity system for surgical education and planning [0.0]
  外科訓練には、戦術教育、メンター主導の学習、外科技術研究所、手術への直接的露出が含まれる。 この作業は、バーチャルリアリティ(VR)を活用して、安全で没入的なトレーニング環境を提供する。
  論文  参考訳（メタデータ） (2026-04-29T15:12:18Z)
• Towards Patient-Specific Deformable Registration in Laparoscopic Surgery [1.2599533416395765]
  患者固有のノンリグッドポイントクラウド登録法について紹介する。 提案手法では,Transformerエンコーダ/デコーダアーキテクチャと重複推定と専用のマッチングモジュールを組み合わせる。 人工データと実データの両方を用いた実験結果から, 患者固有の方法が従来の手法より有意に優れていたことが判明した。
  論文  参考訳（メタデータ） (2026-04-14T18:09:32Z)
• Training-free Detection and 6D Pose Estimation of Unseen Surgical Instruments [45.387920812487465]
  本研究は,未確認の手術器具の高精度なマルチビュー6Dポーズ推定のための無トレーニングパイプラインを導入する。 本手法はMVPSPデータセットから実世界の手術データを用いて厳密に評価した。
  論文  参考訳（メタデータ） (2026-03-26T09:28:19Z)
• A WDLoRA-Based Multimodal Generative Framework for Clinically Guided Corneal Confocal Microscopy Image Synthesis in Diabetic Neuropathy [8.701084151107652]
  糖尿病性末梢神経障害(DPN)における角膜共焦点顕微鏡による小線維損傷の評価 強靭で自動的なディープラーニングに基づく診断モデルの開発は、角膜神経形態学におけるラベル付きデータの不足ときめ細かい変化によって制限される。 臨床誘導CCM画像合成のためのWDLoRAに基づくマルチモーダル生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-14T09:32:44Z)
• Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
  光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。 現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。 本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
  論文  参考訳（メタデータ） (2025-09-11T23:12:55Z)
• SurgeryLSTM: A Time-Aware Neural Model for Accurate and Explainable Length of Stay Prediction After Spine Surgery [44.119171920037196]
  選択的脊椎手術における滞在時間(LOS)予測のための機械学習モデルの開発と評価を行った。 我々は,従来のMLモデルと,マスク付き双方向長短期記憶(BiLSTM)であるオペレーショナルLSTMを比較した。 決定係数(R2)を用いて性能を評価し,説明可能なAIを用いて鍵予測器を同定した。
  論文  参考訳（メタデータ） (2025-07-15T01:18:28Z)
• Robust and Accurate Multi-view 2D/3D Image Registration with Differentiable X-ray Rendering and Dual Cross-view Constraints [45.57808049168089]
  2段階からなる新しい多視点2D/3D剛性登録手法を提案する。 第1段階では、予測と地味の両相の相違を取り入れた複合損失関数が設計される。 第2段階では、粗い段階から推定されたポーズを洗練するために、テスト時間最適化を行う。
  論文  参考訳（メタデータ） (2025-06-27T12:57:58Z)
• Rapid patient-specific neural networks for intraoperative X-ray to volume registration [4.347837200266261]
  2D/3D登録のための患者固有のニューラルネットワークをトレーニングするための、完全に自動化されたフレームワークであるxvrを提案する。 xvrは、物理に基づくシミュレーションを使用して、患者の術前のボリューム画像から豊富な高品質なトレーニングデータを生成する。 実X線データに対する2D/3D登録アルゴリズムの最大評価を行い、xvrが多種多様なデータセットにわたって頑健に一般化されることを見出した。
  論文  参考訳（メタデータ） (2025-03-20T16:33:45Z)
• Neurovascular Segmentation in sOCT with Deep Learning and Synthetic Training Data [4.5276169699857505]
  本研究は, 連続断面光コヒーレンストモグラフィー画像における神経血管セグメンテーションのための合成エンジンについて述べる。 提案手法は,ラベル合成とラベル・ツー・イメージ変換の2段階からなる。 前者の有効性を,より現実的なトレーニングラベルの集合と比較し,後者を合成ノイズと人工物モデルのアブレーション研究により実証した。
  論文  参考訳（メタデータ） (2024-07-01T16:09:07Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• 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)

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。