Ultra-NeRF: Neural Radiance Fields for Ultrasound Imaging

要約

タイトル：Ultra-NeRF：超音波画像の神経輝度場

要約：

– 論文では物理学に基づいた暗黙的なニューラル表現（INR）を提示し、重複する超音波（US）スイープから組織特性を学習する。
– 提案手法は、新しい視点のUS合成のための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する。
– INRモデルは、2D USフレームのセットから3Dシーンの表現をエンコードできることが最近の研究で示されたが、USイメージングに固有の視点依存の外観およびジオメトリの変化を考慮していない。
– 著者らは、シーンの方向依存変化について議論し、物理的にインスパイアされたレンダリングがUS画像合成の再現性を改善することを示す。
– 特に、著者らは、US画像の違いによる不明瞭な表現を持つ領域の幾何学的に正確なBモード画像を生成することが実験的に示されている。
– 著者らは、肝臓の模擬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、従来見たことのない視点からの一貫性のあるボリューム複合を可能にするUSフレームを生成することを確認した。
– 著者らが提供する手法は、INRを使用した視点依存のUS画像合成に初めて取り組む研究である。

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, OpenAI