論文の概要: Learning from high-resolution 2D images to reconstruct 3D microstructures

• arxiv url: http://arxiv.org/abs/2611.02204v1
• Date: Sun, 01 Nov 2026 21:02:07 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:20:20.95632
• Title: Learning from high-resolution 2D images to reconstruct 3D microstructures
• Title（参考訳）: 高分解能2次元画像からの学習による3次元微細構造再構築
• Abstract要約: 微細な2Dイメージングと低解像度の体積測定は、2つの空間的設定で容易に利用可能である。 低分解能画像のみからの蒸留(PCR)再構成を改善するために,訓練中の微細分解能2次元観察を活用するPrivileged Cross-modalフレームワークを導入する。
• 参考スコア（独自算出の注目度）: 1.3854111346209868
• License:
• Abstract: High-resolution three-dimensional (3D) microstructure characterization remains difficult to undertake at scale because volumetric imaging at the required spatial resolution is expensive, time-consuming or destructive. In many settings, however, fine-resolution two-dimensional (2D) imaging and lower-resolution volumetric measurements are both readily available. We introduce a Privileged Cross-modal Relational Distillation (PCRD) framework that leverages fine-resolution 2D observations during training to improve specimen-specific 3D reconstruction from lower-resolution volumetric imaging alone. We demonstrate PCRD on pultruded carbon fiber-reinforced polymer composites, using scanning electron microscopy as the privileged modality and micro-CT as the inference input. The framework transfers spatial organization by matching similarity distributions defined around corresponding spatial anchors in the teacher and student representations, avoiding direct alignment of heterogeneous feature vectors. In 2D cross-sectional reconstruction, PCRD improves mAP by 1.66 percentage points over direct micro-CT training. Independent 3D validation against high-resolution synchrotron X-ray CT data shows close agreement in fiber volume fraction, diameter and local spacing. The PCRD reconstruction matches 89.97% of the reference fiber centerline length, compared with 75.08% for the interpolated low-resolution volume.
• Abstract（参考訳）: 高分解能3次元構造評価は,空間分解能の体積像が高価で時間を要するか破壊的であるため,大規模に評価することは依然として困難である。 しかし、多くの設定において、微細解像度の2次元イメージングと低解像度の体積測定の両方が容易に利用可能である。 訓練中の微細な2次元観察を生かし,低分解能画像のみからの検体特異的な3次元再構成を改善するプリビグレッドクロスモーダル蒸留(PCRD)フレームワークを導入する。 炭素繊維強化ポリマー複合材料のPCRDについて, 走査型電子顕微鏡を特権モダリティとし, マイクロCTを推論入力とする実験を行った。 このフレームワークは、教師と生徒の表現における対応する空間的アンカーの周囲に定義された類似度分布を一致させて空間的組織を伝達し、異種特徴ベクトルの直接アライメントを回避する。 2次元断面再構成では、PCRDは直接マイクロCTトレーニングでmAPを1.66ポイント改善する。 高分解能シンクロトロンX線CTデータに対する独立な3次元検証は、ファイバー体積率、直径、局所間隔の密接な一致を示している。 PCRDの再構成は、基準繊維中心線長の89.97%と、補間された低解像度ボリュームの75.08%と一致している。

関連論文リスト

• From Pixel Generation to Topological Inference: Structural Dual Super-Resolution for Trustworthy Cross-Physical-Domain Trabecular Morphology Learning [9.673719966458158]
  臨床CTとUHRCTは個々の気管を分解できないが、シンクロトロン放射マイクロCTは高解像度の基準を提供するが、生体内イメージングには適用できない。 GLEAN/StyleGAN2、Stable SR/LDM) は、ピクセル生成をターゲットとしているため、既存の超解像ネットワークと事前訓練されたプライアメソッド(GLEAN/StyleGAN2、Stable SR/LDM)は性能が低い。 本稿では, 画素生成からトポロジカル推論へのパラダイムシフト, マクロスケールの低分解能入力から不変構造を決定論的に予測し, 形態パラメータを用いて評価する。
  論文  参考訳（メタデータ） (2026-09-28T09:23:43Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• 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)
• Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
  超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。 我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
  論文  参考訳（メタデータ） (2024-04-15T02:41:55Z)
• Two-and-a-half Order Score-based Model for Solving 3D Ill-posed Inverse Problems [7.074380879971194]
  本稿では,3次元ボリューム再構成のための2次半順序スコアベースモデル(TOSM)を提案する。 トレーニング期間中、TOSMは2次元空間のデータ分布を学習し、トレーニングの複雑さを低減する。 再構成フェーズでは、TOSMは3方向の相補的なスコアを利用して、3次元空間のデータ分布を更新する。
  論文  参考訳（メタデータ） (2023-08-16T17:07:40Z)
• Passive superresolution imaging of incoherent objects [63.942632088208505]
  手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。 ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
  論文  参考訳（メタデータ） (2023-04-19T15:53:09Z)
• Spatial Attention-based Implicit Neural Representation for Arbitrary Reduction of MRI Slice Spacing [17.16588480746507]
  本稿では,MR間隔を任意に削減するための空間注意に基づくインプシットニューラル表現(SA-INR)ネットワークを提案する。 SA-INRは、座標を連続的に3次元空間にサンプリングすることにより、任意のスライス間隔でMR画像を再構成することができる。 HCP-1200データセットと臨床膝関節MRデータセットを用いて本手法の評価を行い,他の方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-23T14:36:59Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)

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。