論文の概要: PPCAR-Net: Projection-Refined Parametric 3D Coronary Artery Reconstruction from Sparse X-ray Angiographic Views
- arxiv url: http://arxiv.org/abs/2610.09383v1
- Date: Wed, 07 Oct 2026 03:40:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.707929
- Title: PPCAR-Net: Projection-Refined Parametric 3D Coronary Artery Reconstruction from Sparse X-ray Angiographic Views
- Title（参考訳）: PPCAR-Net:Sparse X-ray Angiography を用いた投射再構成パラメトリック3次元冠動脈再建術
- Abstract要約: PPCAR-Netは投射精製パラメトリック冠動脈再建ネットワークである。
これは、明示的な点マッチング、三角測量、中間体積を伴わずに、分岐構造された中心線と半径の表現を直接予測する。
PPCAR-Netは,CT由来の冠動脈解剖から生じる模擬血管造影マスクにおいて,より良好な動脈再建を行い,中心線精度が向上する。
- 参考スコア（独自算出の注目度）: 22.22850946597801
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sparse-view 3D coronary reconstruction commonly relies on cross-view correspondence and triangulation, which are vulnerable to vessel overlap and foreshortening, or on volumetric prediction followed by vascular-graph extraction, which does not directly provide centrelines and radii. We introduce PPCAR-Net, a projection-refined parametric coronary artery reconstruction network that directly predicts a branch-structured centreline-and-radius representation without explicit point matching, triangulation, or an intermediate volume. Given a variable number of segmented views, a coarse predictor combines frozen VGGT features with learned branch queries to estimate branch presence, B-spline centreline trajectories, and dense radius profiles. Projection-guided geometry and radius refiners then sample local evidence from the input views and apply residual corrections learned with 3D supervision. We evaluate representation fidelity and sparse-view reconstruction quantitatively and qualitatively. On simulated angiographic masks generated from CT-derived coronary anatomy, PPCAR-Net produces better connected artery reconstructions and achieves strong centreline accuracy, particularly for RCA, while maintaining competitive volumetric overlap. Coarse-to-fine inference takes 121 ms, enabling real-time reconstruction.
- Abstract（参考訳）: Sparse-view 3Dの冠動脈再建は、血管の重複や予知に弱いクロスビュー対応と三角測量、または、直接中心線や放射線を供給しない血管グラフ抽出による容積予測に依存している。
PPCAR-Net, 投射精製パラメトリック冠動脈再建ネットワークを導入し, 明示的な点マッチング, 三角測量, 中間体積を伴わずに枝状中心線と半径表現を直接予測する。
様々なセグメントビューが与えられた場合、粗い予測器は、凍結したVGGT特徴と学習された分岐クエリを組み合わせて、分岐の有無、B-スプライン中心線軌跡、密度半径プロファイルを推定する。
射影誘導幾何と半径精製器は入力ビューから局所的な証拠をサンプリングし、3D監視で学習した残留補正を適用する。
表現の忠実度とスパースビューの再構築を定量的に質的に評価した。
PPCAR-Netは,CT由来の冠動脈解剖から生じる模擬血管造影マスクにおいて,より優れた動脈再建を行い,特にRCAにおいて高い中心精度を達成し,競合ボリュームオーバーラップを維持している。
粗大な推測には121ミリ秒を要するため、リアルタイムな再構成が可能となる。
関連論文リスト
- Rad-JEPA 3D: Radiology Joint-Embedding Predictive Model for 3D Computed Tomography [10.665332135327205]
ボリュームCT表現を学習する共同埋め込み予測フレームワークであるRad-JEPA 3Dを紹介する。
中間表現の質を向上させるために,隠れ状態直交正規化(HSOR)を提案する。
HSORは、生徒と教師の隠れ状態を調整し、エンコーダ全体の特徴冗長性を減少させる。
論文 参考訳（メタデータ） (2026-07-28T19:00:17Z) - Anatomy-Grounded Synthetic Coronary Angiography for Geometry-Informed Multi-View Matching [6.620961894485603]
本稿では3D冠動脈CT血管造影(CCTA)ボリュームから高忠実度デジタル再構成ラジオグラフィ(DRR)を合成する物理地上データ生成フレームワークを提案する。
我々のフレームワークは,患者解剖学における現実的なC-アームの獲得形状を人的コストゼロでシミュレートすることにより,高密度で高精度な3D-to-2Dプロジェクションラベルを生成する。
評価が主観的人間のアノテーションに依存する実際の血管造影とは違って、我々のデータセットは2D対応ラベルとペア画像を提供し、人間の自由な評価を可能にしている。
論文 参考訳（メタデータ） (2026-06-26T14:58:23Z) - A topology-preserving three-stage framework for fully-connected coronary artery extraction [39.47027832777158]
冠動脈摘出術は,冠動脈疾患のコンピュータ診断に必須である。
完全連結冠状動脈抽出のためのトポロジー保存型3段階フレームワークを提案する。
このフレームワークには、血管のセグメンテーション、中心線再接続、血管再建の欠如が含まれる。
論文 参考訳（メタデータ） (2025-04-02T11:04:44Z) - CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。
暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。
SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文 参考訳（メタデータ） (2024-06-21T08:38:30Z) - 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) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT
Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。
高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
論文 参考訳（メタデータ） (2022-08-17T03:42:19Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z) - SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere
Representation and Center Points Matching [47.79483848496141]
3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。
アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。
提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
論文 参考訳（メタデータ） (2021-04-12T05:51:29Z) - 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)
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。