論文の概要: UltraDiff: Differentiable Ray Tracing in Ultrasound for Shape Optimization

• arxiv url: http://arxiv.org/abs/2610.07941v1
• Date: Tue, 06 Oct 2026 08:16:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.886467
• Title: UltraDiff: Differentiable Ray Tracing in Ultrasound for Shape Optimization
• Title（参考訳）: UltraDiff: 形状最適化のための超音波における微分可能な光トレーシング
• Abstract要約: 微分可能な超音波トレーシングのためのモジュラーフレームワークであるUltraDiffを提案する。 UltraDiffは超音波画像形成をパス空間積分として定式化し、トランスデューサと組織界面の間の移動時間によってゲートする。 球面から SDF が最適化され, 模擬エコーが測定値に一致するまで, 逆幾何推定でこれを実証する。 従来の超音波形状復元法とは異なり,本手法では,Bモード画像の教師なし処理を,解析・バイ・シンセサイザーにより行う。
• 参考スコア（独自算出の注目度）: 40.609593860836554
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physically-based differentiable rendering enables gradient-based optimization of scene parameters by matching rendered images to measurements, but has so far mainly focused on light transport. We extend this paradigm to medical ultrasound, where image formation resembles transient rendering: echoes are binned by time-of-flight rather than projected onto an image plane. We present UltraDiff, a modular framework for differentiable ultrasound ray tracing. UltraDiff formulates ultrasound image formation as a path-space integral, gated by travel time between the transducer and tissue interfaces, and derives a Monte Carlo estimator of both the forward model and its gradients with respect to scene parameters. We demonstrate this on an inverse geometry estimation: starting from a sphere, an SDF is optimized until simulated echoes match measured ones, recovering vertebral surfaces from simulated B-mode sweeps and from a real robotic acquisition of a spine phantom. Unlike state-of-the-art ultrasound shape reconstruction methods, which rely on pre-segmented images, our approach operates unsupervised on B-mode images through analysis-by-synthesis, while achieving competitive geometric accuracy. Implemented on top of Mitsuba 3, UltraDiff brings differentiable path tracing to a new sensing modality and provides a foundation for inverse problems in acoustic imaging.
• Abstract（参考訳）: 物理ベースの微分可能レンダリングは、描画された画像と測定値とをマッチングすることで、シーンパラメータの勾配に基づく最適化を可能にするが、これまでは主に光輸送に焦点を当ててきた。 我々はこのパラダイムを医療用超音波に拡張し、画像形成は過渡的なレンダリングに似ており、エコーは画像平面に投影されるのではなく、飛行時間によって結合される。 微分可能な超音波トレーシングのためのモジュラーフレームワークであるUltraDiffを提案する。 UltraDiffは超音波画像形成をパス空間積分として定式化し、トランスデューサと組織界面の間の移動時間で公転し、前向きモデルとシーンパラメータの勾配の両方のモンテカルロ推定器を導出する。 球面からSDFを最適化し, 模擬Bモードスイープから脊椎表面を回収し, 実際の脊椎ファントムの取得を行う。 従来の超音波形状復元法とは違い,Bモード画像は解析・合成により教師なしで,精度は高い。 ミツバ3の上に実装されたUltraDiffは、新しいセンシングモードに微分可能な経路追跡を導入し、音響画像における逆問題の基礎を提供する。

関連論文リスト

• UltraScatter: Ray-Based Simulation of Ultrasound Scattering [43.67121837161917]
  我々は超音波散乱を効率よく現実的にモデル化する確率的レイトレーシングフレームワークであるUltraScatterを紹介した。 平面波イメージングとビームフォーミングを統合した並列化レイトレーシングアーキテクチャは,Bモード画像を数秒で生成する。
  論文  参考訳（メタデータ） (2025-10-12T13:48:46Z)
• 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)
• DiffUS: Differentiable Ultrasound Rendering from Volumetric Imaging [0.0]
  術中超音波画像検査は、多数の外科手術中にリアルタイムのガイダンスを提供する。 しかし、その解釈はノイズ、ボリュームアーティファクト、高分解能MRI/CTスキャンとの整合性に複雑である。 本稿では,体積像から実写のBモード像を合成する物理ベースの反射法DiffUSを提案する。
  論文  参考訳（メタデータ） (2025-08-09T01:04:11Z)
• UltraRay: Introducing Full-Path Ray Tracing in Physics-Based Ultrasound Simulation [40.609593860836554]
  レイトレーシングアルゴリズムを用いてエコーデータを生成する新しい超音波シミュレーションパイプラインを提案する。 先進的な超音波イメージングを再現するため,平面波イメージングに最適化されたレイエミッション方式を導入し,遅延とステアリング機能を取り入れた。 提案手法であるUltraRayは,視覚的品質の向上だけでなく,シミュレーション画像のリアリズムの向上にも寄与する。
  論文  参考訳（メタデータ） (2025-01-10T10:07:41Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。