論文の概要: UBone3D: Physics-Rectified Conditional Flow Matching for Anatomical 3D Shape Completion from Ultrasound

• arxiv url: http://arxiv.org/abs/2609.11506v1
• Date: Thu, 10 Sep 2026 13:13:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.364659
• Title: UBone3D: Physics-Rectified Conditional Flow Matching for Anatomical 3D Shape Completion from Ultrasound
• Title（参考訳）: UBone3D: 超音波による解剖学的3次元形状補完のための物理制御条件流マッチング
• Abstract要約: 3次元超音波(US)は、CTおよびX線による経時的モニタリングの安全かつ無放射線補完法である。 このようなUS点雲からクリーンで完全な解剖学的構造を復元することは困難である。 UBone3Dは、米国の部分的な観測から、ポイントクラウドを補完する新しいフレームワークである。
• 参考スコア（独自算出の注目度）: 16.446161873363064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Three-dimensional ultrasound (US) is a safe, radiation-free complementary modality to CT and X-rays for longitudinal monitoring, yet its segmentation-derived partial point clouds are extremely artifact-laden. Consequently, it is challenging to recover a clean and complete anatomical structure from such US point clouds. In this paper, we present UBone3D, a novel framework based on physics-rectified conditional flow matching (CFM) that performs point cloud completion directly from partial US observations. UBone3D models deterministic physics artifacts (e.g., surface thickening, streaking, dropouts) via a simulated physics proxy, and introduces test-time physics rectification to steer the shape completion. At inference, the completion is jointly steered by two decoupled forces: (1) anatomical plausibility enforced by a CT-trained generative shape prior, BoneFM, and (2) physics consistency enforced by USimNet in the ultrasound formation space. Extensive experiments on simulated and in-vivo data demonstrate significant improvements in reconstruction accuracy and anatomical fidelity over existing baselines.
• Abstract（参考訳）: 3次元超音波(US)は、CTおよびX線に対する安全で放射線のない補完的なモードであり、縦方向の監視を行うが、そのセグメンテーションに由来する部分点雲は非常に人工物で覆われている。 したがって、そのようなUS点雲からクリーンで完全な解剖学的構造を復元することは困難である。 本稿では,物理修正条件付きフローマッチング(CFM)に基づく新しいフレームワークUBone3Dを提案する。 UBone3Dは、シミュレートされた物理プロキシを介して決定論的物理アーティファクト(例えば、表面の厚み、ストリーキング、ドロップアウト)をモデル化し、形状の完了を制御するためのテストタイム物理修正を導入する。 1)CTで訓練した生成形態によって強制される解剖学的可視性,2)超音波形成領域においてUSimNetによって強制される物理的整合性,である。 シミュレーションおよびin-vivoデータに関する大規模な実験は、既存のベースラインよりも復元精度と解剖学的忠実度が大幅に向上したことを示している。

関連論文リスト

• PhysiFormer: Learning to Simulate Mechanics in World Space [56.16644631495]
  物理的に表現可能な3次元物体運動のための拡散変換器であるPhysorFormerを提案する。 世界座標で表される3Dメッシュとしてオブジェクトを表す。 これは、軌道精度、剛性保存、運動量に基づく物理的一貫性において、自己回帰ベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2026-06-25T17:59:00Z)
• PhyCo: Learning Controllable Physical Priors for Generative Motion [55.59209981836171]
  本稿では,ビデオ生成に連続的,解釈可能,物理的に接地された制御を導入するフレームワークであるPhyCoを紹介する。 i) 摩擦, 再構成, 変形, 力が様々なシナリオで体系的に変化する100K以上のフォトリアリスティック・シミュレーション・ビデオの大規模データセット, (ii) 物理制御された拡散モデルの微調整, (iii) VLM誘導報酬最適化, 微調整された視覚言語モデルにより、対象とする物理クエリを用いて生成されたビデオを評価し、異なるフィードバックを提供する。
  論文  参考訳（メタデータ） (2026-04-30T17:53:03Z)
• FluidGaussian: Propagating Simulation-Based Uncertainty Toward Functionally-Intelligent 3D Reconstruction [37.29218600173778]
  本研究では,形状再構成とユビキタスな流体構造相互作用を密結合させて表面品質を高い粒度で評価するプラグ・アンド・プレイ法を提案する。 我々のFluidGaussian法は、流体シミュレーション中に最大で8.6%のPSNR(Peak Signal-to-Noise Ratio)と-62.3%の速度ばらつきをもたらす。
  論文  参考訳（メタデータ） (2026-03-22T18:30:57Z)
• The Texture-Shape Dilemma: Boundary-Safe Synthetic Generation for 3D Medical Transformers [22.195374577712133]
  ViTは医療画像分析に革命をもたらしたが、そのデータ不足の性質は、臨床アーカイブの不足とプライバシーの制約と衝突している。 フォーミュラ駆動型スーパービジョンラーニングは、このボトルネックに対する有望な解決策として現れ、実際の患者データを活用することなく、数学的公式から無限の注釈付きサンプルを合成している。 既存のFパラダイムは、均一な強度を持つ単純な幾何学的手法に依存しており、組織テクスチャやCTやMRIのようなモダリティに固有のノイズパターンを無視して、実質的なギャップを生み出している。 本稿では,高頻度合成テクスチャを鼻で添加すると,構造境界の学習に必要な画像勾配信号が劣化し,原因となる臨界衝突境界を同定する。
  論文  参考訳（メタデータ） (2026-03-01T08:27:45Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• 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)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• Shape Completion in the Dark: Completing Vertebrae Morphology from 3D Ultrasound [34.25838262585591]
  本稿では,3次元形状完備化による閉塞型解剖構造を完成させるために,ポイントクラウドに基づく確率的DL法を提案する。 我々は、米国の物理学を模倣し、固有の人工物を説明することによって、部分的に隠蔽された脊髄の3D表現を生成する。
  論文  参考訳（メタデータ） (2024-04-11T12:00:13Z)
• Large Intestine 3D Shape Refinement Using Point Diffusion Models for Digital Phantom Generation [0.8860189031441993]
  大腸の3D表現性を高めるための新しい条件付きLAtent Point-DiffusionモデルであるCLAPを提案する。 我々は大域的および局所的な潜在形状表現を学習するために階層的変分オートエンコーダを用いる。 その後、事前訓練された表面再構成モデルを用いて、洗練された点雲をメッシュに変換する。
  論文  参考訳（メタデータ） (2023-09-15T10:10:48Z)
• Multi-class point cloud completion networks for 3D cardiac anatomy reconstruction from cine magnetic resonance images [4.1448595037512925]
  マルチクラスの心臓解剖学的メッシュを再構築できる新しい完全自動表面再構成パイプラインを提案する。 その鍵となるコンポーネントは、マルチクラスポイントクラウド補完ネットワーク(PCCN)である。
  論文  参考訳（メタデータ） (2023-07-17T14:52:52Z)
• 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)

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。