論文の概要: TRACE: Artifact-Robust Statistical Shape Modeling from Imperfect Surface Scans - A Case Study in Craniosynostosis 3D Photography
- arxiv url: http://arxiv.org/abs/2608.22131v1
- Date: Sat, 22 Aug 2026 23:08:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.632927
- Title: TRACE: Artifact-Robust Statistical Shape Modeling from Imperfect Surface Scans - A Case Study in Craniosynostosis 3D Photography
- Title（参考訳）: TRACE:不完全表面スカンからのアーチファクト・ロバストな統計的形状モデリング : クラニオシノスタシス3D撮影を事例として
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Craniosynostosis severity analysis increasingly relies on statistical shape models (SSMs) to quantify cranial morphology, but most existing workflows depend on computed tomography or heavily curated three-dimensional (3D) photographs. Raw clinical 3D photographs provide a radiation-free and repeatable alternative, yet often contain shoulders, hands, hair, clothing, scanner noise, and incomplete boundaries that corrupt correspondences. We introduce the Template-constrained Robust Artifact-aware Correspondence Estimation (TRACE) framework, an unsupervised method for constructing SSMs directly from artifact-contaminated clinical 3D head photographs. TRACE predicts sparse anatomically corresponding head-surface control points from the raw point cloud, refines them through a coarse-to-fine Surface-Aware Deformation cascade, and uses thin-plate spline warping to deform a clean template mesh into a subject-specific head reconstruction. This template-constrained formulation keeps dense correspondences on clinically relevant head anatomy while suppressing non-head artifacts. The correspondence module is decoupled from the point-cloud encoder, enabling the same deformation pipeline to be paired with different backbones, including PointNet, DGCNN, and Point Transformer V3. Across all backbones, TRACE substantially improves surface sampling, topology preservation, and shape-model quality over prior SSM methods, providing a scalable foundation for photograph-based craniosynostosis shape analysis and a framework that may extend to other artifact-contaminated surface scans when an appropriate clean template is available.
- Abstract（参考訳）: 頭蓋骨転移の重症度分析は、頭蓋形態を定量化するために統計形状モデル(SSM)にますます頼っているが、既存のワークフローのほとんどは、計算トモグラフィーや高度に硬化した3次元写真に依存している。
初期の臨床3D写真は、放射線のない繰り返し可能な代替手段を提供するが、しばしば肩、手、髪、衣服、スキャナーノイズ、不完全な境界を含まない。
本稿では, 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)フレームワークについて紹介する。
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。
対応モジュールは、ポイントクラウドエンコーダから切り離され、PointNet、DGCNN、Point Transformer V3など、異なるバックボーンと同一の変形パイプラインをペアにすることができる。
全てのバックボーン全体にわたって、TRACEは、以前のSSM法よりも表面サンプリング、トポロジー保存、形状モデルの品質を大幅に改善し、写真ベースのクラニオシノスタシス形状解析のためのスケーラブルな基盤と、適切なクリーンテンプレートが利用可能であれば他のアーティファクト汚染表面スキャンにまで拡張可能なフレームワークを提供する。
関連論文リスト
- SCALP: Semi-Supervised Statistical Shape Modeling from Imperfect 3D Photogrammetry via Landmark-Anchored Spectral Warp [0.16133312566891567]
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。
論文 参考訳（メタデータ） (2026-07-31T18:09:46Z) - Toward Training-Free Zero-Shot Anomaly Detection in 3D Medical Images: A Batch-Based Approach Using 2D Foundation Models [0.0]
2次元基礎モデルを用いた3次元医用画像の異常検出のためのトレーニングフリーフレームワークCS3Fを提案する。
Anomaly scores are obtained from cross-ject mutual similarity.
CS3Fは, 転移, グリオーマ, 脳卒中の脳MRIで評価し, 肺CTにて一般性試験を行った。
論文 参考訳（メタデータ） (2026-06-17T06:52:07Z) - Thin-Shell-SfT: Fine-Grained Monocular Non-rigid 3D Surface Tracking with Neural Deformation Fields [66.1612475655465]
RGBビデオから変形可能な表面を3Dで再現することは難しい問題だ。
既存の方法は、統計的、神経的、物理的に先行する変形モデルを使用する。
我々は,非剛性3次元トラッキングメッシュの新しい手法であるThinShell-SfTを提案する。
論文 参考訳（メタデータ） (2025-03-25T18:00:46Z) - Attention-based Shape-Deformation Networks for Artifact-Free Geometry Reconstruction of Lumbar Spine from MR Images [1.4249943098958722]
我々は, 腰椎の形状を高空間精度で再構成し, 患者間でのメッシュ通信を行う新しい注意型ディープニューラルネットワークであるtextitUNet-DeformSA$ と $textitTransDeformer$ を提示する。
実験の結果、我々のネットワークはアーティファクトフリーな幾何出力を生成しており、$textitTransDeformer$の変種は再構成された幾何の誤差を予測することができることがわかった。
論文 参考訳（メタデータ） (2024-03-30T03:23:52Z) - ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。
これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。
テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
論文 参考訳（メタデータ） (2023-12-11T07:09:32Z) - 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) - Metal Artifact Reduction with Intra-Oral Scan Data for 3D Low Dose
Maxillofacial CBCT Modeling [0.7444835592104696]
高精度な3次元顎顔面CBCTモデリングのための2段階金属アーチファクト低減法を提案する。
第1段階では、金属関連アーティファクトを緩和するために画像と画像の深層学習ネットワークが使用される。
第2段階では、矯正された歯科用CBCT画像から骨を分割して3次元顎顔面モデルを構築する。
論文 参考訳（メタデータ） (2022-02-08T00:24:41Z) - Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。
ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。
我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
論文 参考訳（メタデータ） (2021-04-07T01:15:06Z) - Shape My Face: Registering 3D Face Scans by Surface-to-Surface
Translation [75.59415852802958]
Shape-My-Face (SMF) は、改良されたポイントクラウドエンコーダ、新しい視覚的注意機構、スキップ接続付きグラフ畳み込みデコーダ、特殊口モデルに基づく強力なエンコーダデコーダアーキテクチャである。
私たちのモデルは、トポロジカルにサウンドメッシュを最小限の監視で提供し、より高速なトレーニング時間を提供し、訓練可能なパラメータを桁違いに減らし、ノイズに強く、以前は見られないデータセットに一般化することができます。
論文 参考訳（メタデータ） (2020-12-16T20:02:36Z) - 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) - A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT
Source Trajectories for Artifact Avoidance [47.345403652324514]
市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。
そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。
リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
論文 参考訳（メタデータ） (2020-08-14T09:23:50Z)
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。