論文の概要: SCALP: Semi-Supervised Statistical Shape Modeling from Imperfect 3D Photogrammetry via Landmark-Anchored Spectral Warp

• arxiv url: http://arxiv.org/abs/2608.00187v1
• Date: Fri, 31 Jul 2026 18:09:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.547239
• Title: SCALP: Semi-Supervised Statistical Shape Modeling from Imperfect 3D Photogrammetry via Landmark-Anchored Spectral Warp
• Title（参考訳）: SCALP:Landmark-Anchored Spectral Warpを用いた不完全3次元光度計による半改良型統計的形状モデリング
• Abstract要約: 対応に基づく統計的形状モデリングは、人口動態分析に不可欠である。 SCALPは、生の不完全な表面スキャンから直接一貫した形状モデルを構築するための2段階のフレームワークである。 幼少期のフォトグラム法での実験では、SCALPは最先端の非教師なしのポイントクラウドアプローチよりも一貫して優れていた。
• 参考スコア（独自算出の注目度）: 0.16133312566891567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Correspondence-based statistical shape modeling (SSM) is vital for population-level morphometric analysis, but conventional pipelines assume clean, fully registered surfaces. Real-world clinical photogrammetry scans are often noisy, partial, and cluttered, hindering the adoption of radiation-free surface imaging as a safe alternative to computed tomography (CT) for infant craniosynostosis. We present SCALP (Semi-supervised Correspondence via lAndmark Localization and sPectral warping), a two-stage framework that constructs consistent shape models directly from raw, imperfect surface scans. First, a semi-supervised Point Transformer leverages a small expert-annotated dataset alongside a large unlabeled cohort to accurately localize craniofacial landmarks with minimal annotation overhead. Second, these landmarks anchor a Laplace--Beltrami spectral deformation of an anatomical template, generating dense correspondences while naturally isolating the cranium from peripheral scanning clutter without manual preprocessing. Experiments on infant photogrammetry scans demonstrate that SCALP consistently outperforms state-of-the-art unsupervised point-cloud approaches, offering a clinically practical pathway toward objective, radiation-free head shape analysis.
• Abstract（参考訳）: 対応型統計形状モデリング (SSM) は, 個体群レベルでの形状解析には不可欠であるが, 従来のパイプラインでは, クリーンで完全な登録面が想定されている。 実世界の臨床写真検査は、しばしばうるさい、部分的、散在しているため、小児頭蓋狭窄症に対するCT(Computed tomography)の安全な代替手段として、放射線のない表面イメージングが採用されるのを妨げている。 SCALP(Semi-supervised Cor correspondingence via lAndmark Localization and sPectral warping)は、原表面スキャンから直接一貫した形状モデルを構築する2段階のフレームワークである。 まず、半教師付きポイントトランスフォーマーは、大きなラベルのないコホートとともに、専門家が注釈付けした小さなデータセットを利用して、頭蓋顔面のランドマークを最小限のオーバーヘッドで正確にローカライズする。 第2に、これらのランドマークは、解剖学的テンプレートのラプラス-ベルトラミスペクトル変形をアンカーし、手動前処理なしで周辺走査クラッタからクラニウムを自然に分離しながら密度の高い対応を発生させる。 幼児用光度計スキャンの実験では、SCALPは最先端の非教師なしのポイントクラウドアプローチを一貫して上回り、客観的で放射線のない頭部形状解析への臨床的経路を提供する。

関連論文リスト

• TRACE: Artifact-Robust Statistical Shape Modeling from Imperfect Surface Scans - A Case Study in Craniosynostosis 3D Photography [0.0]
  統計的形状モデル(SSM)を構築するためのテンプレート制約付きロバストアーチファクト対応対応推定(TRACE)フレームワークを提案する。 TRACEは、生の点雲から解剖学的に対応する微粒な頭表面制御点を予測し、粗い表面認識変形カスケードを通して精製し、薄板のスプラインワープを用いて、クリーンなテンプレートメッシュを主観的な頭部再構成に変形させる。 このテンプレートに拘束された定式化は、臨床上関連する頭部解剖と密接な対応を保ちながら、非頭部アーチファクトを抑える。
  論文  参考訳（メタデータ） (2026-08-22T23:08:31Z)
• Revisiting Pose Sensitivity in Splat-based Computed Tomography under Sparse-view Reconstruction [12.315488379543773]
  Splat-based tomography は, コーンビームスパルスCTにおいて, 高い再構成精度と高速収束性を示した。 従来の再建法よりもはるかに顕著な特徴的ストリーク・ストリップアーティファクトを観察する。 我々は,復元時に幾何パラメータを共同で洗練する安定な勾配に基づく枠組みを導出する。
  論文  参考訳（メタデータ） (2026-08-05T12:20:53Z)
• 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)
• Active View Selection with Perturbed Gaussian Ensemble for Tomographic Reconstruction [26.60542816157164]
  Sparse-view CT(Sparse-view Computed Tomography)は,患者の放射線被曝を減らすために重要である。 放射線3Dガウススプラッティングの最近の進歩により,高速かつ高精度なスパルスCT再構成が可能となった。 既存のアクティブビュー選択法では、X線イメージングに固有の特異な幾何学的曖昧さと物理的減衰特性を捉えることができない。
  論文  参考訳（メタデータ） (2026-03-06T20:16:00Z)
• Silhouette-to-Contour Registration: Aligning Intraoral Scan Models with Cephalometric Radiographs [10.70146635420186]
  提案するDorgeSCRは,高精度かつ解釈可能なシルエット・ツー・コントゥール登録のための,ポーズ安定・輪郭誘導型フレームワークである。 当科で経験した34症例の歯科SCRについて検討した。
  論文  参考訳（メタデータ） (2025-11-18T10:50:04Z)
• Dental3R: Geometry-Aware Pairing for Intraoral 3D Reconstruction from Sparse-View Photographs [10.70146635420186]
  疎口内画像から高忠実度で頑健な再構成を行うためのポーズフリーグラフ誘導パイプラインである textbfDental3R を提案する。 提案手法はまずGAPS(Geometry-Aware Pairing Strategy)を構築し,高値画像ペアのコンパクト部分グラフをインテリジェントに選択する。 離散ウェーブレット変換を用いて帯域制限忠実度を強制することにより,高周波アーティファクトを抑えながら微細なエナメル質境界と近位縁を保存できる。
  論文  参考訳（メタデータ） (2025-11-18T10:20:22Z)
• CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
  スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。 暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。 SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
  論文  参考訳（メタデータ） (2024-06-21T08:38:30Z)
• Spatial-aware Attention Generative Adversarial Network for Semi-supervised Anomaly Detection in Medical Image [63.59114880750643]
  本稿では,一級半教師付き健康画像生成のための空間意識生成ネットワーク(SAGAN)について紹介する。 SAGANは、正常な画像の復元と擬似異常画像の復元によって導かれる、ラベルのないデータに対応する高品質な健康画像を生成する。 3つの医学データセットに対する大規模な実験は、提案されたSAGANが最先端の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-05-21T15:41:34Z)
• 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)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Geometric Constraints Enable Self-Supervised Sinogram Inpainting in Sparse-View Tomography [7.416898042520079]
  スパース角度トモグラフィースキャンは放射線を低減し、データ取得を加速するが、画像のアーチファクトやノイズに悩まされる。 既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。 本研究は、勾配に基づく最適化により、欠落した射影ビューを最適化する自己教師付きプロジェクションインペインティング法を提案する。
  論文  参考訳（メタデータ） (2023-02-13T15:15:18Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)

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。