Ultra-NeRF: Neural Radiance Fields for Ultrasound Imaging

要約

超音波 (US) イメージングのための物理強化された暗黙的ニューラル表現 (INR) を提示します。これは、重複する US スイープから組織特性を学習します。
提案された方法は、新しいビュー US 合成のためにレイ トレーシング ベースのニューラル レンダリングを活用します。
最近の出版物は、INR モデルが一連の 2 次元の US フレームから 3 次元シーンの表現をエンコードできることを示しました。
ただし、これらのモデルは、米国のイメージングに固有の外観と形状のビューに依存する変化を考慮していません。
私たちの仕事では、シーンの方向依存の変化について説明し、物理学にヒントを得たレンダリングが米国の画像合成の忠実度を向上させることを示します。
特に、提案された方法が、US 画像のビュー依存の違いにより、あいまいな表現を持つ領域に対して幾何学的に正確な B モード画像を生成することを実験的に示します。
シミュレートされた肝臓の B モード US スイープと、ロボット アームで追跡された脊椎ファントムの取得された US スイープを使用して実験を行います。
実験は、私たちの方法が、以前に見られなかったビューからの一貫したボリューム合成を可能にする US フレームを生成することを裏付けています。
私たちの知る限り、提示された作品は、INR を使用してビューに依存する米国の画像合成に対処した最初の作品です。

要約(オリジナル)

We present a physics-enhanced implicit neural representation (INR) for ultrasound (US) imaging that learns tissue properties from overlapping US sweeps. Our proposed method leverages a ray-tracing-based neural rendering for novel view US synthesis. Recent publications demonstrated that INR models could encode a representation of a three-dimensional scene from a set of two-dimensional US frames. However, these models fail to consider the view-dependent changes in appearance and geometry intrinsic to US imaging. In our work, we discuss direction-dependent changes in the scene and show that a physics-inspired rendering improves the fidelity of US image synthesis. In particular, we demonstrate experimentally that our proposed method generates geometrically accurate B-mode images for regions with ambiguous representation owing to view-dependent differences of the US images. We conduct our experiments using simulated B-mode US sweeps of the liver and acquired US sweeps of a spine phantom tracked with a robotic arm. The experiments corroborate that our method generates US frames that enable consistent volume compounding from previously unseen views. To the best of our knowledge, the presented work is the first to address view-dependent US image synthesis using INR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google