UMedNeRF: Uncertainty-aware Single View Volumetric Rendering for Medical Neural Radiance Fields

要約

臨床医学の分野では、コンピューター断層撮影 (CT) は、さまざまな病状の診断に効果的な医用画像診断手段です。
X 線画像と比較して、CT 画像は臨床診断のための多平面スライスや 3 次元構造など、より多くの情報を提供できます。
しかし、CT イメージングでは、患者が大量の電離放射線に長時間さらされる必要があり、取り返しのつかない身体的危害を引き起こす可能性があります。
この論文では、生成された放射線場に基づいた不確実性認識 MedNeRF (UMedNeRF) ネットワークを提案します。
ネットワークは、内部構造と深さ情報を取得し、生成された画像の品質を保証するために適応損失重みを使用することにより、2D X 線画像から CT 投影の連続表現を学習できます。
私たちのモデルは、公的に入手可能な膝と胸のデータセットでトレーニングされており、1 枚の X 線による CT 投影レンダリングの結果を示し、生成された放射線場に基づいて私たちの方法を他の方法と比較します。

要約(オリジナル)

In the field of clinical medicine, computed tomography (CT) is an effective medical imaging modality for the diagnosis of various pathologies. Compared with X-ray images, CT images can provide more information, including multi-planar slices and three-dimensional structures for clinical diagnosis. However, CT imaging requires patients to be exposed to large doses of ionizing radiation for a long time, which may cause irreversible physical harm. In this paper, we propose an Uncertainty-aware MedNeRF (UMedNeRF) network based on generated radiation fields. The network can learn a continuous representation of CT projections from 2D X-ray images by obtaining the internal structure and depth information and using adaptive loss weights to ensure the quality of the generated images. Our model is trained on publicly available knee and chest datasets, and we show the results of CT projection rendering with a single X-ray and compare our method with other methods based on generated radiation fields.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google