論文の概要: TR-GS: High-Fidelity Sparse-View CT Volumetric Rendering via t-Distribution Gaussian Splatting and Ray-Confidence Modeling
- arxiv url: http://arxiv.org/abs/2608.16042v1
- Date: Mon, 17 Aug 2026 03:11:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.511852
- Title: TR-GS: High-Fidelity Sparse-View CT Volumetric Rendering via t-Distribution Gaussian Splatting and Ray-Confidence Modeling
- Title（参考訳）: TR-GS: t-Distribution Gaussian Splatting and Ray-Confidence Modelingによる高密度スパースCTボリュームレンダリング
- Abstract要約: TR-GSは、スパースビューCTボリュームレンダリングのためのガウス平滑化フレームワークである。
信頼誘導型3次元ウェーブレット規則化は、高周波詳細保存とノイズ抑制のバランスをとるために用いられる。
- 参考スコア（独自算出の注目度）: 2.2725140324263333
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-fidelity 3D medical visualization supports applications such as clinical assessment and surgical planning. Sparse-view computed tomography (CT) can reduce projection requirements and associated radiation exposure, but limited observations may introduce structural artifacts and reconstruction uncertainty. Although 3D Gaussian Splatting (3DGS) provides an efficient explicit representation for volumetric rendering, existing CT methods based on standard Gaussian primitives may be sensitive to unreliable observations under sparse-view acquisition. We present TR-GS, a Gaussian-splatting framework for sparse view CT volumetric rendering. TR-GS replaces standard Gaussian primitives with projectable Student's t-distribution primitives and introduces a ray-confidence model that regulates their degrees of freedom according to local ray observability. Confidence-guided 3D wavelet regularization is further used to balance high-frequency detail preservation and noise suppression. This work is licensed under a Creative Commons Attribution 4.0 International License. Experiments on synthetic and real-world datasets show that TR-GS improves over representative baselines in most evaluated settings and remains competitive in the remaining cases. The resulting volumetric representations may support downstream medical multimedia applications, including XR-based visualization and interactive clinical rendering.
- Abstract（参考訳）: 高忠実度3D医療可視化は臨床評価や手術計画などの応用をサポートする。
スパース・ビュー・コンピュート・トモグラフィー(CT)は、投射要件と関連する放射線被曝を減らすことができるが、限られた観測で構造的アーティファクトや再構成の不確実性が引き起こされる可能性がある。
3D Gaussian Splatting (3DGS) はボリュームレンダリングの効率的な明示的表現を提供するが、標準ガウスプリミティブに基づく既存のCT法は、スパースビュー取得下での信頼性の低い観測に敏感である。
本稿では,スパークビューCTボリュームレンダリングのためのガウス平滑化フレームワークTR-GSを提案する。
TR-GSは、標準ガウス原始体を投影可能な学生のt分布プリミティブに置き換え、局所的な光線観測性に応じてそれらの自由度を規制する光線信頼モデルを導入する。
信頼性誘導型3次元ウェーブレット規則化は、高周波詳細保存とノイズ抑制のバランスをとるためにさらに用いられる。
この作品はCreative Commons Attribution 4.0 International Licenseでライセンスされている。
合成および実世界のデータセットの実験では、TR-GSはほとんどの評価された設定において代表ベースラインよりも改善され、残りのケースでは競争力を維持している。
結果のボリューム表現は、XRベースの可視化やインタラクティブな臨床レンダリングを含む、下流の医療マルチメディアアプリケーションをサポートする可能性がある。
関連論文リスト
- MedGSSR: Generalizable Medical Image Super-Resolution 3D Reconstruction via Hierarchical Feed-forward Gaussian Splatting [13.86963166956946]
高解像度の医用画像は臨床診断に重要であるが、取得はスキャナーハードウェア、スキャン時間、CT、放射線線量によって制限されることが多い。
Medical 3D Super-Resolution (Med3DSR) は計算的な代替手段を提供するが、既存の手法は通常、オブジェクトごとの最適化、事前訓練、座標ベースの暗黙の表現に頼っている。
我々は、Med3DSRの3次元ガウス場としてボリュームを表す完全なエンドツーエンドフィードフォワードフレームワークであるMedGSSRを提案する。
論文 参考訳（メタデータ） (2026-09-06T23:33:02Z) - 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) - 3D Ultrasound-Derived Pseudo-CT Synthesis Using a Transformer-Augmented Residual Network for Real-Time Operator Guidance [0.0]
超音波(US)は非イオン化であり、広くアクセス可能であるが、操作性が高く、定量的な組織特性が欠如している。
本研究は,USから推定されるCTのような解剖学的基準量を生成する3D超音波による擬似CTフレームワークを提案する。
提案手法は, 構造的忠実度と知覚的画像品質において, 確立されたベースラインより優れる。
論文 参考訳（メタデータ） (2026-05-06T12:52:59Z) - 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) - Scaling Self-Supervised and Cross-Modal Pretraining for Volumetric CT Transformers [10.972744049555553]
本稿では,CTのためのフルトランスフォーマーベース基礎モデルであるSPECTREを紹介する。
提案手法は,スケーラブルな3Dビジョントランスフォーマーアーキテクチャと,近代的な自己監督型・視覚言語事前学習戦略を利用する。
SPECTREはゼロショット設定と微調整設定の両方で、CTファンデーションモデルよりも一貫して優れている。
論文 参考訳（メタデータ） (2025-11-21T12:41:27Z) - BridgeSplat: Bidirectionally Coupled CT and Non-Rigid Gaussian Splatting for Deformable Intraoperative Surgical Navigation [69.14180476971602]
変形可能な手術ナビゲーションのための新しいアプローチであるBridgeSplatを紹介する。
提案手法は3次元ガウスをCTメッシュにリグし,ガウスパラメータとメッシュ変形の合同最適化を可能にする。
シミュレーションにより,BridgeSplatがブタの内臓手術およびヒト肝臓の合成データに与える影響を実証した。
論文 参考訳（メタデータ） (2025-09-23T01:09:36Z) - IXGS-Intraoperative 3D Reconstruction from Sparse, Arbitrarily Posed Real X-rays [1.2721397985664153]
R2$-Gaussian splatting frameworkを拡張して、一貫した3Dボリュームを困難な条件下で再構築する。
形態伝達を用いた解剖学的誘導ラジオグラフィ標準化のステップを導入し、ビュー間の視覚的整合性を改善する。
論文 参考訳（メタデータ） (2025-04-20T18:28:13Z) - Unsupervised Multi-Parameter Inverse Solving for Reducing Ring Artifacts in 3D X-Ray CBCT [51.95884144860506]
3次元コーンビームCT(CBCT)におけるリングアーティファクトの意義
既存のSOTA(State-of-the-art)リングアーティファクトリダクション(RAR)法は、大規模なペアCTデータセットによる教師あり学習に依存している。
本研究では,新しい教師なしRAR手法であるRinerを提案する。
論文 参考訳（メタデータ） (2024-12-08T08:22:58Z) - CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。
暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。
SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文 参考訳（メタデータ） (2024-06-21T08:38:30Z) - R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。
本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文 参考訳（メタデータ） (2024-05-31T08:39:02Z) - 3DGR-CT: Sparse-View CT Reconstruction with a 3D Gaussian Representation [22.774998118050032]
スパースビューCT(Sparse-view Computed Tomography)は、投射を少なくすることで放射線被曝を減らす。
これはしばしば、限られたデータのためにノイズやアーティファクトが増大する。
スパースビューCT再構成のための新しい3次元ガウス表現法(3DGR)を提案する。
論文 参考訳（メタデータ） (2023-12-25T09:47:33Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。
本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文 参考訳（メタデータ） (2020-10-05T14:18:52Z)
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。