論文の概要: A Voxel-Spacing-Aware Extension of PyRadiomics for Anisotropic Texture Analysis
- arxiv url: http://arxiv.org/abs/2609.14103v1
- Date: Sat, 12 Sep 2026 18:59:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.686801
- Title: A Voxel-Spacing-Aware Extension of PyRadiomics for Anisotropic Texture Analysis
- Title（参考訳）: 異方性テクスチャー解析のためのVoxel-Spacing-Aware Extension of PyRadiomics
- Abstract要約: グレーレベルを発生させることなく、間隔情報を組み込んだVoxel-volumespacing-aware extension of PyRadiomicsを実装した。
改良された実装では、標準のPyRadiomicsを、スペーシング対応モードが無効になり、75種類のテクスチャ機能で等方的間隔で同値のままに再現した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Radiomic texture features are commonly extracted from anisotropic CT and MRI acquisitions, where identical voxel offsets may represent different physical distances. We implemented and validated a voxel-spacing-aware extension of PyRadiomics that incorporates spacing information without generating interpolated gray levels. The framework operates across the Python frontend, C wrapper, and computational backend. GLCM uses anisotropy-relative feature-level angular aggregation, NGTDM uses anisotropy-relative weighted neighborhood averaging, and GLRLM, GLDM, and GLSZM are computed on a finite-volume zero-order-hold representation derived from the native anisotropic grid. Synthetic 3D phantoms were used for software validation. The modified implementation reproduced standard PyRadiomics exactly when spacing-aware mode was disabled and remained equivalent under isotropic spacing across 75 texture features. Under anisotropic spacing, the method selectively modified texture families and was numerically distinct from nearest-neighbor, linear, and B-spline resampling. Computational profiling showed moderate runtime and memory increases, while sensitivity analyses quantified finite-volume rounding effects and confirmed that spacing-aware differences persisted across binWidth settings. The framework provides a backward-compatible technical basis for future evaluation of spacing-aware radiomics in heterogeneous medical imaging datasets.
- Abstract（参考訳）: 放射線テクスチャの特徴は、異方性CTとMRIの取得から抽出され、同一のボクセルオフセットは異なる物理的距離を示す可能性がある。
PyRadiomics の voxel-spacing-aware extension の実装と評価を行った。
このフレームワークはPythonのフロントエンド、Cラッパー、計算バックエンドで動作する。
GLCMは異方性相対的特徴レベル角集合を用い、NGTDMは異方性相対重み付き近傍平均化を用い、GLRLM, GLDM, GLSZMはネイティブな異方性格子から導かれる有限体積ゼロオーダーホールド表現で計算する。
ソフトウェア検証には合成3Dファントムが用いられた。
改良された実装では、標準のPyRadiomicsを、スペーシング対応モードが無効になり、75種類のテクスチャ機能で等方的間隔で同値のままに再現した。
異方性スペーシングでは, テクスチャファミリーを選択的に修飾し, 隣り合う, 線形, およびB-スプラインリサンプリングとは数値的に異なっていた。
計算によるプロファイリングでは、中程度の実行時間とメモリが増加し、感度解析では有限体積ラウンドリング効果が定量化され、binWidth設定でスペーシング・アウェアの差が持続することを確認した。
このフレームワークは、ヘテロジニアスな医療画像データセットにおけるスペーシングを意識した放射線の将来の評価に後方互換性のある技術基盤を提供する。
関連論文リスト
- Physically Aware Radiomics Without Interpolation: Disentangling Voxel Geometry and Signal Modification in CT and MRI [0.0]
物理幾何学をテクスチャに組み込んだボクセル・スポーピング対応放射能フレームワークを試作した。
4つの構成を比較した: ネイティブ非サンプリング抽出, 等方的再サンプリング, ボクセル・スパッシング・アウェア抽出, 偽等方的前処理。
論文 参考訳（メタデータ） (2026-07-14T06:19:05Z) - Radial Interaction Tomography: Recognizing Non-Transitive Evolutionary Games from One Range-Expansion Image [0.2864713389096699]
コンピュータビジョン逆問題(英語版)を定式化する: 付加多形展開の一端画像から、半径インデクシングされた対境界流場を復元する。
オブザーバブルは、対数極座標におけるセクター境界曲線から抽出される幾何学的信号である。
論文 参考訳（メタデータ） (2026-07-01T03:23:47Z) - A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。
MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。
合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
論文 参考訳（メタデータ） (2026-05-05T20:19:09Z) - A Sub-Pixel Multimodal Optical Remote Sensing Images Matching Method [2.9300891362823425]
位相整合性重み付き最小絶対偏差(PCWLAD)サブピクセルテンプレートマッチング法を提案し,マルチモーダル光学画像のマッチング精度を向上させる。
我々は,PCWLADの性能を評価するために,赤外線ランドサット画像,近赤外近距離画像,赤外線無人航空機(UAV)画像の3種類の画像データセットを構築した。
論文 参考訳（メタデータ） (2025-08-14T02:49:19Z) - Point Cloud Denoising With Fine-Granularity Dynamic Graph Convolutional Networks [58.050130177241186]
ノイズの摂動は、しばしば3次元の点雲を破損させ、表面の再構成、レンダリング、さらなる処理といった下流のタスクを妨げる。
本稿では,GDGCNと呼ばれる粒度動的グラフ畳み込みネットワークについて紹介する。
論文 参考訳（メタデータ） (2024-11-21T14:19:32Z) - Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。
本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。
我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
論文 参考訳（メタデータ） (2024-07-19T13:33:38Z) - CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
スパース入力によるNeRFの性能向上のための新しい手法を提案する。
まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。
次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
論文 参考訳（メタデータ） (2024-03-25T15:56:17Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳（メタデータ） (2022-07-06T21:40:59Z) - DPCN++: Differentiable Phase Correlation Network for Versatile Pose
Registration [18.60311260250232]
本稿では,世界規模で収束し,対応のない位相相関解法を提案する。
DCPN++は,2次元鳥眼視画像,3次元物体・シーン計測,医用画像など,入力モードが異なる幅広い登録タスクで評価される。
論文 参考訳（メタデータ） (2022-06-12T10:00:34Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Instant recovery of shape from spectrum via latent space connections [33.83258865005668]
ラプラシアンスペクトルから形状を復元する最初の学習法を提案する。
自動エンコーダが与えられた場合、我々のモデルはサイクル整合モジュールの形で潜在ベクトルを固有値列にマッピングする。
我々のデータ駆動型アプローチは、計算コストのごく一部でより正確な結果を提供しながら、事前の手法で必要となるアドホック正規化器の必要性を置き換える。
論文 参考訳（メタデータ） (2020-03-14T00:48:34Z)
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。