論文の概要: SCoPE-Reg: Efficient Rigid Ultrasound Slice-to-Volume Registration via State-Space Correlation and Closed-Form Pose Estimation

• arxiv url: http://arxiv.org/abs/2608.28715v1
• Date: Fri, 28 Aug 2026 08:15:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.729542
• Title: SCoPE-Reg: Efficient Rigid Ultrasound Slice-to-Volume Registration via State-Space Correlation and Closed-Form Pose Estimation
• Title（参考訳）: SCoPE-Reg:状態空間相関とクローズドフォームポーズ推定による高効率剛性超音波スライス・ツー・ヴォーム登録
• Abstract要約: 我々はSCoPE-Regを導入し、状態空間スライス-体積相互作用、密集した3次元座標予測、パラメータフリーな加重カブシュ推定を組み合わせた。 CAMUSのピークエラーを56%減らし、SOTA(12.5ドル!
• 参考スコア（独自算出の注目度）: 6.199598163353591
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound-guided interventions can require localization of an untracked 2D frame within a 3D anatomical reference. Rigid slice-to-volume registration (SVR) estimates this six-degree-of-freedom pose but remains challenging because of limited anatomical context, acoustic artifacts, and view-dependent appearance. Existing methods often use dense cross-attention, whose cost scales with the product of slice and volume token counts, or direct pose regression without explicit correspondence constraints. We introduce SCoPE-Reg, combining state-space slice--volume interaction, dense 3D coordinate prediction, and parameter-free weighted Kabsch estimation. On SVR tasks from CAMUS and $μ$-RegPro, SCoPE-Reg yields mean target registration errors of $0.73$ mm and $2.27$ mm against $1.24$ mm and $2.63$ mm for the state of the art (SOTA), reduces peak error on CAMUS by 56% below SOTA ($12.5\!\to\!5.5$ mm), and registers $100\%$ and $80\%$ of frames within $3$ mm. On CAMUS at $128^2$ it retains the lowest error at increasing pose-perturbation magnitude. It holds $6.49$ M parameters independent of resolution, sustaining $51$ FPS at $512^2$. SCoPE-Reg establishes a SOTA in rigid ultrasound SVR: by coupling correspondence-based accuracy with bounded worst-case error and resolution-independent cost, it becomes viable at native acquisition resolution during intervention, where prior methods trade accuracy, reliability, or frame rate against one another. Supplementary code provided and will be open-sourced upon acceptance.
• Abstract（参考訳）: 超音波誘導による介入は、3次元解剖学的基準内での追跡されていない2次元フレームの局所化を必要とする。 Rigid slice-to-volume registration (SVR)は、この6度のフリーダムのポーズを推定するが、解剖学的コンテキストの制限、アコースティックアーティファクト、ビューに依存した外観のため、依然として困難である。 既存の手法では、スライスとボリュームトークンの数を積んだコストスケールの高密度なクロスアテンションや、明示的な対応制約のない直接ポーズ回帰を用いることが多い。 我々はSCoPE-Regを導入し、状態空間スライス-体積相互作用、密集した3次元座標予測、パラメータフリーな加重カブシュ推定を組み合わせた。 CAMUS と $μ$-RegPro の SVR タスクでは、SCoPE-Reg は目標登録誤差が 0.73$ mm と $2.27$ mm に対して $1.24$ mm と $2.63$ mm であり、CAMUS のピークエラーが SOTA (12.5\! やれ! 5.5$ mm) と 100\%$ と 80\%$ のフレームを 3$ mm 内に登録する。 CAMUSの128^2$では、ポーズ摂動の規模が大きくなると最小誤差を保っている。 解像度は6.49ドル、FPSは511ドル、FPSは512^2ドルである。 SCoPE-Reg は厳密な超音波 SVR において SOTA を確立する: 一致に基づく精度と有界最悪のケースエラーと解像度に依存しないコストとを結合することにより、介入中のネイティブな取得解決において実現可能となり、事前の手法が互いに精度、信頼性、フレームレートを交換する。 追加のコードは提供され、受け入れ次第オープンソース化される。

関連論文リスト

• Interpretable Fuzzy Inference for UAV Target Tracking Using Bounding-Box Geometry [0.528933036850801]
  YOLOボックスから抽出した低次元特徴から連続ヨーコマンドを生成する解釈可能なファジィ推論フレームワークを提案する。 その結果、このフレームワークは透過的で、データ効率が高く、計算量も軽量であり、リアルタイムの視覚に基づくUAV誘導に適していることが判明した。
  論文  参考訳（メタデータ） (2026-08-04T18:18:29Z)
• The Intruder Threshold: A Spectral Law for LoRA Fine-Tuning [3.860898721527665]
  LoRAファインチューニングは、破滅的な忘れを誘う侵入者次元を生み出すことができる。 観測されたスペクトルの層ごとに層が現れると予測される理論は存在しない。 完全な微調整は、すべてのレイヤのしきい値よりはるかに低いアップデートを分散させる。 Norm-matchedの介入は、更新の規模ではなく、しきい値の交差する層が忘れを伴っていることを確認します。
  論文  参考訳（メタデータ） (2026-07-26T15:17:41Z)
• $K$-NeAS: Scalable Multi-Material CT Reconstruction Using Neural SDFs [0.0]
  入射シーン表現(ISR)は、スパースプロジェクションから直接連続的な体積減衰場を復元することでこの問題に対処する。 本稿では, 自動多材料表面再構成のための統一かつスケーラブルなアーキテクチャであるK$-NeASを提案する。
  論文  参考訳（メタデータ） (2026-07-15T23:08:45Z)
• Exact and Calibrated Diffusion Reconstruction for Digital Breast Tomosynthesis [0.0]
  リミテッドアングルデジタル乳房トモシンセシス(DBT)は、狭い弧上のいくつかの低線量プロジェクションから体積を再構成する。 条件付き拡散は、強い知覚品質を達成するが、不正確なデータ一貫性、非局所化幻覚、未校正不確実性の3つの臨床的障害を残している。 これは、有限角再構成のためのデータ一貫性、不確実性の校正された最初の学習的再構成である。
  論文  参考訳（メタデータ） (2026-07-14T16:10:10Z)
• RayTun3R: Online Camera Adaptation in 3D Foundation Models [53.97305597591864]
  最近の3Dファウンデーションモデルは、強力なフィードフォワード深度を提供し、ピンホールのイメージを推定するが、魚眼カメラ幾何学の下では鋭く劣化する。 この失敗は、事前訓練された3次元基礎モデルの位置符号化におけるピンホールカメラバイアスによってもたらされることを示す。 軽量カメラ適応手法であるRayTun3Rを提案する。
  論文  参考訳（メタデータ） (2026-07-02T18:55:35Z)
• Omni-Persona: Systematic Benchmarking and Improving Omnimodal Personalization [47.84878018101177]
  オムニ・ペルソナ(Omni-Persona)は、オムニモーダルパーソナライゼーションのための最初の総合的なベンチマークである。 タスクを EmphPersona Modality Graph 上のクロスモーダルルーティングとして形式化し,4つのタスクグループと$sim750$項目にわたる18のきめ細かいタスクを包含する。
  論文  参考訳（メタデータ） (2026-05-11T05:11:22Z)
• Synthesizing Accurate and Realistic T1-weighted Contrast-Enhanced MR Images using Posterior-Mean Rectified Flow [3.024548464833694]
  造影強調(CE) T1強調MRIは神経腫瘍診断の中心であるが、ガドリニウムをベースとした薬剤が必要である。 非コントラスト入力からCE脳MRIを合成するための2段階後平均整流パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-08-18T05:55:57Z)
• Mitigating the Curse of Dimensionality for Certified Robustness via Dual Randomized Smoothing [48.219725131912355]
  本稿では,2次元平滑化による高次元入力に対する$ell$認証ロバスト性の実現可能性について検討する。 提案したDual Smoothing (DRS)は入力イメージを2つのサブイメージにダウンサンプルし、下位次元で2つのサブイメージを滑らかにする。 広汎な実験は、確立された方法論と統合する顕著な能力を示すDSSの一般化性と有効性を示す。
  論文  参考訳（メタデータ） (2024-04-15T08:54:33Z)
• A Unified Diffusion Framework for Scene-aware Human Motion Estimation from Sparse Signals [47.72778485845676]
  シーンによって提供されるリッチなコンテキスト情報を組み合わせて、スパース観測から全体の動き追跡に役立てる新しいフレームワークを提案する。 $textS2$Fusionは、まず、周期的オートエンコーダを介してスパース信号に存在する時空間関係を抽出する。 $textS2$Fusionは条件拡散を利用してシーン幾何学とスパース追跡信号を融合し、フルボディのシーン認識モーションを生成する。
  論文  参考訳（メタデータ） (2024-04-07T09:15:45Z)
• Scalable 3D Registration via Truncated Entry-wise Absolute Residuals [65.04922801371363]
  3ドルの登録アプローチでは、1000万ドル(107ドル)以上のポイントペアを、99%以上のランダムなアウトレイアで処理することができる。 我々はこの手法をTEARと呼び、Trncated Entry-wise Absolute Residualsを演算するoutlier-robust損失を最小限にする。
  論文  参考訳（メタデータ） (2024-04-01T04:43:39Z)
• Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit Feedback and Unknown Transition [71.33787410075577]
  線形関数近似,未知遷移,および逆損失を用いた強化学習について検討した。 我々は高い確率で$widetildeO(dsqrtHS3K + sqrtHSAK)$ regretを実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-07T15:03:50Z)
• Displacement-Invariant Matching Cost Learning for Accurate Optical Flow Estimation [109.64756528516631]
  学習のマッチングコストは、最先端のディープステレオマッチング手法の成功に不可欠であることが示されている。 本稿では,5次元特徴量構築の要件を回避できる新しい手法を提案する。 提案手法は,各種データセットにおける最先端の精度を実現し,Sintelベンチマークにおける全光フロー法より優れる。
  論文  参考訳（メタデータ） (2020-10-28T09:57:00Z)

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。