論文の概要: Sparse-View 3D Coronary Reconstruction from Vessel Segmentations Using a Diffusion Prior

• arxiv url: http://arxiv.org/abs/2611.04604v1
• Date: Tue, 03 Nov 2026 09:58:45 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:52:15.073886
• Title: Sparse-View 3D Coronary Reconstruction from Vessel Segmentations Using a Diffusion Prior
• Title（参考訳）: 拡散術前を用いた血管切片からのスパルスビュー3次元冠動脈再建術
• Abstract要約: Sparse angiography からの3D冠動脈解剖の再構築は,経皮的冠動脈インターベンションを補助する可能性がある。 本稿では,学習した3次元拡散前,視覚的初期化,投影に基づくデータの整合性を組み合わせた容器固有再構成フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.203426951918665
• License:
• Abstract: Reconstructing three-dimensional (3D) coronary anatomy from sparse angiographic views could support percutaneous coronary intervention, but limited angular coverage and imperfect vessel segmentations introduce substantial geometric ambiguity. We propose a vessel-specific reconstruction framework combining a learned 3D diffusion prior, visual-hull initialization, and projection-based data consistency. The unconditional diffusion model is trained on coronary vessel masks without paired 2D--3D data and reused across different view counts without retraining. During inference, a scaled visual hull initializes reconstruction, while projection-based updates constrain diffusion refinement using patient-specific vessel observations. We evaluated the framework on simulated angiograms derived from ImageCAS computed tomography angiography volumes using two, four, and eight views at two contrast levels. Across 50 evaluation coronary-tree cases, the proposed method achieved higher mean Dice and clDice than visual hull, deep image prior (DIP), and hash-grid implicit neural representation (INR) at all view counts under reduced contrast. With eight views, improvements over DIP, the best-performing baseline at lower contrast, were approximately 0.13 in Dice and 0.22 in clDice. At higher contrast, performance remained competitive with hash-grid INR, the best-performing eight-view baseline. The preferred diffusion starting timestep depended on observation quality and view count, with excessive refinement reducing accuracy at higher contrast. Projection guidance improved both metrics across all conditions. Averaging stochastic reconstructions further improved accuracy, while sample disagreement localized errors with average-precision gains of 0.14--0.21 over error prevalence. These findings support diffusion-prior reconstruction from sparse vessel observations, although clinical validation remains necessary.
• Abstract（参考訳）: 血管造影による3次元冠動脈解剖の再構築は, 経皮的冠動脈インターベンションを補助するが, 角膜被覆率と血管セグメンテーションの不足は, 相当な幾何学的曖昧さをもたらす。 本稿では,学習した3次元拡散前処理,ビジュアルホール初期化,投影に基づくデータの整合性を組み合わせた容器固有再構成フレームワークを提案する。 非条件拡散モデルは、ペア化された2D--3Dデータなしで冠状血管マスク上で訓練され、再トレーニングすることなく異なるビューカウントで再利用される。 推測中、拡張された視覚的な船体は再構成を初期化し、プロジェクションベースの更新は患者固有の血管観察を用いて拡散改善を制約する。 画像CASによる造影血管造影の枠組みを,2,4,8ビューで比較検討した。 冠状動脈病変を50例以上評価したところ,提案法は視床上よりDice,clDice,DIP,Hash-grid暗黙的神経表現(INR)を,コントラストの低い全視野で達成した。 8つのビューで、低コントラストで最高のパフォーマンスのベースラインであるDIPに対する改善は、Diceで約0.13、clDiceで約0.22であった。 対照的に、パフォーマンスは最高の8ビューベースラインであるハッシュグリッドINRと競合したままであった。 所望の拡散開始時間ステップは,高コントラストでの過度な精錬精度を低下させるとともに,観察品質と視数に依存した。 プロジェクションガイダンスは、すべての条件で両方の指標を改善した。 平均的な確率的再構成により精度が向上し、サンプルの不一致は平均精度0.14-0.21の誤差で局所化される。 これらの所見は, スパース血管観察からの拡散優先再建を裏付けるものであるが, 臨床検査はいまだに必要である。

関連論文リスト

• VascuSR: Iterative Anatomy-Aware Diffusion for CT Super-Resolution [47.44579735231579]
  VascuSRは、画像再構成と明示的な3Dガイダンスを組み合わせた解剖学的認識拡散フレームワークである。 再アノテーションされたMSD Task08とHVMデータセットでは、VascuSRは、セグメンテーション精度と3D血管構造において、血管および学習ベースのSRベースラインより優れている。 学習ベースのベースラインと比較して、VascuSRは、両方のデータセットで平均接続成分数を20%以上削減し、MSDでは平均中心距離を10%以上削減する。
  論文  参考訳（メタデータ） (2026-10-14T17:12:56Z)
• Multi-Stage NeRF for Efficient 3D Coronary Artery Reconstruction from Two Narrow-Angle Angiographic Projections [44.06670146334926]
  既存の学習に基づく2D-to-3D再構成手法では、広い角度のカバレッジや複数のビューが必要である。 NeCA++は、臨床的に現実的な取得制約に合わせた多段階の自己教師型神経放射野フレームワークである。
  論文  参考訳（メタデータ） (2026-09-14T13:34:55Z)
• Three-Dimensional Retinal Microvasculature Restoration in OCT Angiography [4.442929593591647]
  本稿では,1つのOCTAボリュームから解剖学的血管を復元する深層学習アルゴリズムを提案する。 提案モデルでは,元のOCTAボリュームに比べて画質が大幅に向上した。
  論文  参考訳（メタデータ） (2026-06-03T19:23:09Z)
• Conditional Diffusion Posterior Alignment for Sparse-View CT Reconstruction [4.107377779783183]
  スケーラブルな3次元スパースCT再構成を実現するために,CDPA(Conditional Posterior Alignment)を提案する。 2次元U-Net拡散モデルが初期3次元再構成に条件付けされ、スライス間の一貫性が向上する。 合成および実コーンビームCT(CBCT)データを用いた実験は,最先端の性能を示す。
  論文  参考訳（メタデータ） (2026-04-23T14:09:13Z)
• BronchOpt : Vision-Based Pose Optimization with Fine-Tuned Foundation Models for Accurate Bronchoscopy Navigation [6.915058920280426]
  術中内視鏡視と術前CT解剖の2D-3D登録のための視覚ベースのポーズ最適化フレームワークを提案する。 細調整されたモダリティおよびドメイン不変エンコーダは、実際の内視鏡的RGBフレームとCTレンダリング深度マップとの直接的な類似性を実現する。 本モデルでは, 平均翻訳誤差2.65mm, 回転誤差0.19radを実現し, 高精度かつ安定な局所化を示す。
  論文  参考訳（メタデータ） (2025-11-12T15:58:05Z)
• 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
  現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。 スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。 本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
  論文  参考訳（メタデータ） (2024-05-17T11:23:33Z)
• A geometry-aware deep network for depth estimation in monocular endoscopy [17.425158094539462]
  提案手法は,異なるデータセットと臨床画像にまたがって広範囲に検証されている。 提案法の平均RMSE値は12.604(T1-L1)、9.930(T2-L2)、13.893(Colon)である。
  論文  参考訳（メタデータ） (2023-04-20T11:59:32Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Automatic 2D-3D Registration without Contrast Agent during Neurovascular Interventions [0.34376560669160383]
  血管の3次元回転再構成による生体蛍光画像を用いて、最小侵襲の神経血管治療で血管内デバイスをナビゲートすることができる。 画像ベース登録アルゴリズムは、画像の勾配(骨構造、罪悪感)を目覚ましい特徴として依存する。 本稿では,臨床ワークフローの変更を必要とせず,新たな2D-3Dレジストレーションの検証方法を確立する。
  論文  参考訳（メタデータ） (2021-06-08T20:16:04Z)
• Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
  解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。 ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。 我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
  論文  参考訳（メタデータ） (2021-04-07T01:15:06Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。