論文の概要: Convex Potential Learning for Optimal Transport Between Medical Images
- arxiv url: http://arxiv.org/abs/2610.37844v1
- Date: Tue, 27 Oct 2026 18:53:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 19:31:29.743281
- Title: Convex Potential Learning for Optimal Transport Between Medical Images
- Title（参考訳）: 医用画像間の最適移動のための凸電位学習
- Abstract要約: 本稿では,凸ポテンシャル関数をパラメータ化して最適輸送マップを推定する手法を提案する。
提案手法を2次元および3次元の医用画像データセットで評価した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Computing optimal transport maps between medical images plays a fundamental role in morphological analysis. However, existing methods are either difficult to scale to large 3D medical images or rely on regularized formulations that provide only approximate transport maps. To improve the accuracy of downstream medical image analysis, we propose a novel approach for estimating optimal transport maps by parameterizing the convex potential function. By construction, the resulting transport map is guaranteed to be curl-free, consistent with Brenier's theorem. We evaluate the proposed method on both 2D and 3D medical imaging datasets. Experimental results demonstrate that our approach achieves lower transport estimation errors and produces higher-quality image reconstructions than existing methods.
- Abstract（参考訳）: 医用画像間の最適輸送マップの計算は形態学的解析において基本的な役割を担っている。
しかし,既存の方法では,大規模な3次元医用画像へのスケーリングが困難であるか,あるいは近似輸送地図のみを提供する正規化された定式化に依存しているかのどちらかである。
下流の医用画像解析の精度を向上させるために,凸ポテンシャル関数をパラメータ化して最適な輸送地図を推定する手法を提案する。
構成により、結果として得られる輸送写像は、ブレニエの定理と一致してカールフリーであることが保証される。
提案手法を2次元および3次元の医用画像データセットで評価した。
実験により,提案手法は既存の手法よりも低輸送推定誤差を実現し,高品質な画像再構成を実現することが示された。
関連論文リスト
- 3D Transport-based Morphometry (3D-TBM) for medical image analysis [0.0]
移動型形態計測(TBM)は3次元医用画像解析の新しい枠組みとして登場した。
3D-TBMは3次元医用画像の形態解析のためのツールである。
論文 参考訳（メタデータ） (2026-02-06T23:20:47Z) - Medical Scene Reconstruction and Segmentation based on 3D Gaussian Representation [6.980731532480765]
医用画像の3次元再構成は、医用画像解析と臨床診断において重要な技術である。
従来の手法は計算コストが高く、構造上の不連続性や細かなスライスで細部が失われやすい。
3次元ガウスおよび3次元平面表現に基づく効率的な3次元再構成法を提案する。
論文 参考訳（メタデータ） (2025-12-28T06:18:11Z) - BridgeSplat: Bidirectionally Coupled CT and Non-Rigid Gaussian Splatting for Deformable Intraoperative Surgical Navigation [69.14180476971602]
変形可能な手術ナビゲーションのための新しいアプローチであるBridgeSplatを紹介する。
提案手法は3次元ガウスをCTメッシュにリグし,ガウスパラメータとメッシュ変形の合同最適化を可能にする。
シミュレーションにより,BridgeSplatがブタの内臓手術およびヒト肝臓の合成データに与える影響を実証した。
論文 参考訳（メタデータ） (2025-09-23T01:09:36Z) - Towards Prospective Medical Image Reconstruction via Knowledge-Informed Dynamic Optimal Transport [58.6869774515413]
本稿では,新しい動的最適輸送フレームワークKIDOTについて紹介する。
KIDOTは、画像から画像への連続的な進化経路として再構成をモデル化し、画像知識インフォームドコスト関数と輸送方程式で導かれる、未完成のデータから学習する。
MRIとCTの再構成実験は、KIDOTの優れた性能を示す。
論文 参考訳（メタデータ） (2025-05-23T09:05:10Z) - Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。
我々は,脳MRIと胸部X線による3つの時系列的ベンチマークデータセットを用いて,対物画像生成法について検討した。
論文 参考訳（メタデータ） (2024-12-30T01:59:34Z) - 3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。
パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
論文 参考訳（メタデータ） (2024-09-28T12:31:07Z) - Explicit Differentiable Slicing and Global Deformation for Cardiac Mesh Reconstruction [8.730291904586656]
医用画像からの心臓解剖のメッシュ再構築は, 形状, 運動計測, 生体物理シミュレーションに有用である。
従来のボクセルベースのアプローチは、イメージの忠実さを損なう前処理と後処理に依存している。
そこで本稿では,メッシュのスライスからメッシュへの勾配バックプロパゲーションを可能にする,新しい識別可能なボキセル化とスライシング(DVS)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-03T17:19:31Z) - Reconstruct Spine CT from Biplanar X-Rays via Diffusion Learning [26.866131691476255]
術中CT画像は外科的指導に欠かせない資料であるが、必ずしも手軽に利用でき、実装も容易ではない。
本稿では,バイプレナーX線を用いた3次元CT再構成手法を提案する。
論文 参考訳（メタデータ） (2024-08-19T06:34:01Z) - Improving 3D Imaging with Pre-Trained Perpendicular 2D Diffusion Models [52.529394863331326]
本稿では,2つの垂直2次元拡散モデルを用いて3次元逆問題の解法を提案する。
MRI Z軸超解像, 圧縮センシングMRI, スパースCTなどの3次元医用画像再構成作業に有効である。
論文 参考訳（メタデータ） (2023-03-15T08:28:06Z) - 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。