論文の概要: Beyond Isotropic Assumptions: Continuity-Constrained Segmentation and GPU Morphometry for Nanoscale GBM Analysis

• arxiv url: http://arxiv.org/abs/2608.07575v1
• Date: Tue, 04 Aug 2026 18:28:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.444157
• Title: Beyond Isotropic Assumptions: Continuity-Constrained Segmentation and GPU Morphometry for Nanoscale GBM Analysis
• Title（参考訳）: 等方的推定を超える:ナノスケールGBM解析のための連続制約セグメンテーションとGPUモルフォメトリー
• Authors: Arash Fatehi, Robin Ebbestad, Linus Butt, Hans Blom, Sigrid Lundberg, Hannes Olauson, Hjalmar Brismar, David Unnersjö-Jess, Thomas Benzing, Katarzyna Bozek,
• Abstract要約: 共焦点顕微鏡による3Dの複雑な生物学的構造を解明する。 セグメンテーションモデルをトレーニングするには、アップサンプリングされた空間で密集したアノテーションが必要であり、これは禁止的なラベル付けの負担である。 我々は、追加のアノテーションなしでこれを克服するエンドツーエンドのGPUアクセラレーションフレームワークを提示します。
• 参考スコア（独自算出の注目度）: 1.3107669223114085
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Confocal microscopy of optically cleared and swelled tissue resolves complex biological structures in 3D, but such acquisitions are highly anisotropic: along the under-sampled axial direction the structure can appear discontinuous, hampering reconstruction and automated quantitative analysis. The usual remedy upsamples the axial dimension to an isotropic volume before training a segmentation model, which requires dense annotations in the upsampled space, a prohibitive labeling burden. We present an end-to-end, GPU-accelerated framework that overcomes this without additional annotations. The model is trained on the native acquisition volume; random rotation of training patches leverages the well-resolved lateral plane to supply the missing axial information, and a z-axis continuity loss keeps neighboring slices consistent. We adapt both a convolutional (3D U-Net) and a transformer (SwinUNETR) backbone, aggregate overlapping patches by Gaussian consensus, and compute point-spread-function-corrected membrane thickness by ray-surface intersection on the GPU. We apply the method to the glomerular basement membrane (GBM), a thin, highly convoluted part of the kidney's filtration barrier that grows more irregular in disease. Segmentation accuracy matches inter-expert agreement. Continuity-aware training improves reconstruction smoothness and suppresses a periodic terracing artifact at minimal accuracy cost. We quantify GBM thickness across the reconstructed 3D surface and capture disease-related thickening, enabling fully automated anisotropic 3D morphometry of biological structures without dense volumetric labels or image restoration.
• Abstract（参考訳）: 光学的にクリアされた組織と膨潤した組織の共焦点顕微鏡は複雑な生物学的構造を3Dで解決するが、そのような取得は極めて異方性があり、アンダーサンプされた軸方向に沿って構造は不連続に見え、再構成を妨げ、自動的な定量分析を行う。 通常の治療法では、アキシアル次元を等方体積に増幅し、セグメンテーションモデルを訓練する。 我々は、追加のアノテーションなしでこれを克服するエンドツーエンドのGPUアクセラレーションフレームワークを提示します。 モデルはネイティブ取得ボリュームに基づいて訓練され、トレーニングパッチのランダムな回転は、よく解決された横面を利用して、欠落した軸情報を供給し、Z軸連続性損失は隣り合うスライスを一定に保つ。 我々は、畳み込み(3D U-Net)と変圧器(SwinUNETR)のバックボーン、ガウスのコンセンサスによる重なり合うパッチ、GPU上の線面交差による点幅関数補正膜厚の計算に適応する。 本手法を腎の濾過バリアの細い部分である糸球体基底膜(GBM)に適用した。 セグメンテーションの精度は専門家間の合意と一致する。 継続学習は、再構築の円滑性を改善し、最小の精度で周期的テラシングアーティファクトを抑制する。 再建した3次元表面のGBM厚みを定量化し,疾患関連厚みを捉えることにより,高密度な体積ラベルや画像復元を伴わずに,生体構造の完全自動異方性3次元形態計測が可能となる。

関連論文リスト

• HeartVolMesh: Cardiac Volumetric Mesh Reconstruction via Covariance-Guided Graph Deformation [40.08276134769528]
  HeartVolMeshはテンプレートを異方性ガウスカーネルに持ち上げ、3D CNN-GNNを使用して頂点ごとの変位を予測する。 体積メッシュ化では,定型四面体テンプレートをステージアライメント,非剛性登録,変形伝搬により再構成した面にワープする。 実験により, 表面メッシュの精度と体積メッシュの忠実度において, 変形に基づくベースラインよりも一貫した利得が得られた。
  論文  参考訳（メタデータ） (2026-07-05T11:42:37Z)
• PointDiT: Pixel-Space Diffusion for Monocular Geometry Estimation [105.86385617182879]
  最先端のシングルイメージの3D再構成手法は複雑なハイブリッドアーキテクチャと損失関数に依存していることが多い。 このようなアーキテクチャ上のオーバーヘッドと複雑な損失の定式化は不要であることを示す。 我々は,平易なViT上に構築された最小限の画素空間拡散変換器を導入し,生の3Dポイントマップパッチを直接操作する。
  論文  参考訳（メタデータ） (2026-07-02T17:59:56Z)
• Topo-GS: Continuous Volumetric Embedding of High-Dimensional Data via Topological Gaussian Splatting [4.621191941382847]
  Topo-GS は 3D Gaussian Splatting (3DGS) を再利用し、メッシュレスボリューム再構成プロセスとして多次元投影を行うフレームワークである。 Topo-GSは離散散乱プロットを連続体積表現に変換することに成功した。
  論文  参考訳（メタデータ） (2026-05-16T14:21:08Z)
• Hierarchical Mesh Transformers with Topology-Guided Pretraining for Morphometric Analysis of Brain Structures [7.663406601980095]
  ヘテロジニアスメッシュ解析のための階層型トランスフォーマーフレームワークを提案する。 特徴投影モジュールは、頂点ごとの可変長臨床記述子を空間階層にマッピングする。 我々は、ADNIの体積脳メッシュを用いたアルツハイマー病の分類とアミロイド負荷予測、およびMELDデータセットによる皮質表面メッシュの局所皮質異形成の検出に対するアプローチを検証した。
  論文  参考訳（メタデータ） (2026-04-06T22:27:36Z)
• ACCURATE: Arbitrary-shaped Continuum Reconstruction Under Robust Adaptive Two-view Estimation [3.344730946122235]
  ACCURATEは画像分割ニューラルネットワークと幾何学制約トポロジと動的プログラミングアルゴリズムを統合した3D再構成フレームワークである。 提案手法は, 実ファントムデータセットと模擬ファントムデータセットの両方において, 1.0mm未満の平均絶対誤差で高い再構成精度を実現する。
  論文  参考訳（メタデータ） (2026-03-08T08:44:41Z)
• EMGauss: Continuous Slice-to-3D Reconstruction via Dynamic Gaussian Modeling in Volume Electron Microscopy [41.838228673736076]
  本稿では,平面走査型2次元スライスからの3次元再構成のための一般的なフレームワークであるEMGaussについて紹介する。 我々の重要な革新は、ガウススプラッティングに基づく3次元動的シーンレンダリング問題としてスライス・ツー・3D再構成を再構成することである。 EMGausは拡散およびGANに基づく再構成法と比較して、品質を大幅に向上し、連続的なスライス合成を可能にし、大規模プレトレーニングの必要性を排除している。
  論文  参考訳（メタデータ） (2025-12-07T06:39:57Z)
• 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)
• Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based View Synthesis [70.40950409274312]
  我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。 また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。 私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
  論文  参考訳（メタデータ） (2024-02-19T18:59:41Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Deep Negative Volume Segmentation [60.44793799306154]
  対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。 我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。 顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
  論文  参考訳（メタデータ） (2020-06-22T16:55:23Z)

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。