論文の概要: GeoPose: Patient-agnostic CTA-to-DSA registration through projection-space calibration
- arxiv url: http://arxiv.org/abs/2608.16600v1
- Date: Mon, 17 Aug 2026 13:56:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.736701
- Title: GeoPose: Patient-agnostic CTA-to-DSA registration through projection-space calibration
- Title（参考訳）: GeoPose:プロジェクション・スペース・キャリブレーションによる患者別CTA-to-DSA登録
- Abstract要約: GeoPoseは、学習された標準フレーム内のCアームのポーズを推定し、未知のCTAのネイティブフレームに転送する、集団訓練されたフレームワークである。
20名の患者から得られた80のDSA観測において、最適化のないGeoPoseは5.8mmの頸動脈平均中心線距離(mPCD)と0.45のクリニスを達成し、最高性能のベースラインは14.5mmと0.28であった。
- 参考スコア（独自算出の注目度）: 3.399874096487746
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Aligning intraoperative biplanar digital subtraction angiography (DSA) to pre-procedural computed tomography angiography (CTA) requires rapid and accurate 3D-to-2D registration. Optimization-based methods are sensitive to initialization and may require hundreds of iterations, whereas learning-based approaches commonly rely on patient-specific training. We propose GeoPose, a population-trained framework that estimates the C-arm pose in a learned canonical frame and transfers it to the native frame of an unseen CTA through projection-space calibration and transform composition. A population-trained residual network refines the pose, followed optionally by low-budget image-driven optimization. GeoPose requires neither patient-specific adaptation nor explicit inter-volume preregistration. On 80 DSA observations from 20 held-out patients, optimization-free GeoPose achieved a carotid mean projected centerline distance (mPCD) of 5.8 mm and a clDice of 0.45, compared with 14.5 mm and 0.28 for the best-performing baseline, while requiring only 0.15 s. After 25 optimization iterations, GeoPose reached an mPCD of 4.6 mm and a clDice of 0.58 in approximately two seconds. Under the same budget, native-initialized optimization achieved 14.6 mm and 0.15, respectively. GeoPose thus provides rapid native-frame registration with fixed population-level weights and the geometric correspondence required for downstream biplanar 3D vascular reconstruction.
- Abstract（参考訳）: 術前CT Angiography (CTA) に対する術中バイプレナー・デジタル・サブトラクション・アンジオグラフィー (DSA) の適応には, 迅速かつ正確な3D-to-2Dの登録が必要である。
最適化ベースの手法は初期化に敏感であり、数百のイテレーションを必要とする場合があるが、学習ベースのアプローチは一般に患者固有のトレーニングに依存している。
集団学習フレームワークであるGeoPoseを提案する。このフレームワークは学習した標準フレーム内のCアームのポーズを推定し、プロジェクション空間のキャリブレーションと変換合成により、未知のCTAのネイティブフレームに転送する。
人口訓練された残留ネットワークがポーズを洗練し、低予算の画像駆動最適化が続く。
GeoPoseは患者固有の適応も明示的なボリューム間事前登録も必要としない。
20名の患者から得られた80のDSA観測では、最適化なしのGeoPoseは5.8mmの頸動脈平均中心線距離(mPCD)と0.45のクリニスを達成し、最高性能のベースラインは14.5mmと0.28であり、0.15秒しか必要としなかった。
25回の最適化の後、GeoPoseは4.6mmのmPCDと0.58のclDiceを約2秒で達成した。
同じ予算の下で、ネイティブ初期化最適化はそれぞれ14.6mmと0.15に達した。
これにより、GeoPoseは、固定された集団レベルの重量と下流の2次元血管再建に必要な幾何学的対応を備えた、迅速なネイティブフレーム登録を提供する。
関連論文リスト
- Differential 6-DOF Pose Estimation with Provable First-Order Immunity to Camera Calibration Errors [39.41872679860813]
従来の3D-2D手法では、絶対的なカメラポーズを毎回独立して推定し、カメラからプラットフォームへのポーズを通してプラットフォームの動きを復元する。
本稿では,フレーム間画像変位と既知の3次元制御点からプラットフォームの動きを直接復元する差分ポーズ推定手法を提案する。
回転誤差は、キャリブレーション誤差、動き、大きさ、観察幾何学によって決定される有界摂動を誘導する一方で、外在誤差が正確にキャンセルされることを証明した。
論文 参考訳（メタデータ） (2026-08-05T10:36:04Z) - A Lightweight Fiducial-Based Pipeline for 3D Hyperspectral Mapping of ex-vivo Lumpectomy Specimens [5.019796206315394]
摘出標本の3次元高スペクトル点雲を発生する完全自動キャリブレーションフリーパイプラインを提案する。
パイプラインは1mm未満の3D登録誤差と0.02mm未満の2D再投射誤差を達成し、アクセラレーションされたハードウェアで4分未満の処理時間を持つ。
論文 参考訳（メタデータ） (2026-06-12T15:11:50Z) - Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。
このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。
本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:14:20Z) - 4D Virtual Imaging Platform for Dynamic Joint Assessment via Uni-Plane X-ray and 2D-3D Registration [17.77433522588242]
直立走査に最適化されたプログラマブルでガントリーフリーな軌道と、デュアルロボットアームコーンビーム(CBCT)システムを組み合わせた4次元関節解析プラットフォームを提案する。
シミュレーション研究において、この方法は99.18パーセントの成功率でサブボクセル精度(0.235mm)を達成した。
この4D CBCTプラットフォームは、高速で正確で低線量なダイナミックジョイントイメージングを可能にし、生体力学的研究、精密診断、パーソナライズされた整形外科治療の新しい機会を提供する。
論文 参考訳（メタデータ） (2025-08-22T06:58:23Z) - Continuous sPatial-Temporal Deformable Image Registration (CPT-DIR) for motion modelling in radiotherapy: beyond classic voxel-based methods [28.526710503853877]
現在の変形可能な画像登録(DIR)の実装は、離散的な体積運動表現に依存している。
患者解剖運動の連続モデリングに暗黙的神経表現(INR)を用いた新しいアプローチを提案する。
CPT-DIRは、登録と精度、自動化、スピードを大幅に向上させる。
論文 参考訳（メタデータ） (2024-05-01T10:26:08Z) - 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) - A Deep Learning-Based Fully Automated Pipeline for Regurgitant Mitral Valve Anatomy Analysis From 3D Echocardiography [0.3387808070669509]
開発したアプローチは、MVアンラスとリーフレットのマルチクラスセグメンテーションのためのU-Netアーキテクチャを備えた3次元マルチデコーダ残差畳み込みニューラルネットワーク(CNN)に依存している。
プロセス全体は最小限のユーザインタラクションを必要とし、約15秒を要する。
論文 参考訳（メタデータ） (2023-02-21T12:48:44Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - Pose-dependent weights and Domain Randomization for fully automatic
X-ray to CT Registration [51.280096834264256]
完全自動X線CT登録は、既存の強度ベース登録の範囲内での最初のアライメントを必要とする。
この作業は、エンドツーエンドの登録を可能にする新しい自動初期化を提供する。
ミリメートルにおける平均(+標準偏差)ターゲット登録誤差は、成功率92%の模擬X線に対して4.1 +- 4.3、成功率86.8%の実X線に対して4.2 +- 3.9であり、成功率は30mm未満の翻訳誤差と定義される。
論文 参考訳（メタデータ） (2020-11-14T12:50:32Z) - Human Body Model Fitting by Learned Gradient Descent [48.79414884222403]
画像に3次元の人体形状を適合させる新しいアルゴリズムを提案する。
このアルゴリズムは高速(約120ms収束)で、データセットに頑健であり、公開評価データセットの最先端結果が得られることを示す。
論文 参考訳（メタデータ） (2020-08-19T14:26:47Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z) - Robust Self-Supervised Learning of Deterministic Errors in Single-Plane
(Monoplanar) and Dual-Plane (Biplanar) X-ray Fluoroscopy [2.7528170226206443]
ビデオフレームレートでX線像を撮影する蛍光画像は、血管外科医や介入放射線技師によるカテーテル挿入を導くのに有利である。
ダイナミックな動きを非侵襲的に可視化することで、複雑な手術を患者に対してより少ない外傷で行うことができる。
本稿では,単平面および二重平面蛍光法に適した頑健な自己校正アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-03T01:56:21Z)
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。