要約
4 次元デジタル サブトラクション アンギオグラフィー (4D DSA) は、造影剤が血管を満たすプロセス中にさまざまな段階と角度で撮影された一連の 2D 画像を提供する医療画像技術です。
脳血管疾患の診断に重要な役割を果たします。
病変の状態や位置を観察するには、疎サンプリング下でのレンダリングの品質と速度を向上させることが重要です。
現在の方法では、まばらなビューではレンダリング品質が不十分であり、レンダリング速度が遅いという問題があります。
これらの制限を克服するために、時間の経過とともに不透明度をオフセットするガウス スプラッティング手法である TOGS を提案します。これにより、4D DSA のレンダリング品質と速度を効果的に向上させることができます。
造影剤の放射輝度の時間的変化をモデル化するために、各ガウスの不透明度オフセット テーブルを導入します。
不透明度オフセット テーブルを補間することにより、さまざまな時点でのガウスの不透明度の変化を決定できます。
これにより、その特定の瞬間に 2D DSA 画像をレンダリングできるようになります。
さらに、スパース ビュー シナリオを扱うときにモデルで発生する可能性のある過剰適合の問題を軽減するために、損失関数にスムーズ損失項を導入しました。
トレーニング段階では、ガウス分布をランダムにプルーニングし、それによってモデルのストレージのオーバーヘッドを削減します。
実験結果は、以前の方法と比較して、このモデルが同じ数のトレーニング ビューの下で最先端の再構成品質を達成することを示しています。
さらに、ストレージのオーバーヘッドを低く抑えながら、リアルタイムのレンダリングが可能になります。
コードは公開されます。
要約(オリジナル)
Four-dimensional Digital Subtraction Angiography (4D DSA) is a medical imaging technique that provides a series of 2D images captured at different stages and angles during the process of contrast agent filling blood vessels. It plays a significant role in the diagnosis of cerebrovascular diseases. Improving the rendering quality and speed under sparse sampling is important for observing the status and location of lesions. The current methods exhibit inadequate rendering quality in sparse views and suffer from slow rendering speed. To overcome these limitations, we propose TOGS, a Gaussian splatting method with opacity offset over time, which can effectively improve the rendering quality and speed of 4D DSA. We introduce an opacity offset table for each Gaussian to model the temporal variations in the radiance of the contrast agent. By interpolating the opacity offset table, the opacity variation of the Gaussian at different time points can be determined. This enables us to render the 2D DSA image at that specific moment. Additionally, we introduced a Smooth loss term in the loss function to mitigate overfitting issues that may arise in the model when dealing with sparse view scenarios. During the training phase, we randomly prune Gaussians, thereby reducing the storage overhead of the model. The experimental results demonstrate that compared to previous methods, this model achieves state-of-the-art reconstruction quality under the same number of training views. Additionally, it enables real-time rendering while maintaining low storage overhead. The code will be publicly available.
arxiv情報
| 著者 | Shuai Zhang,Huangxuan Zhao,Zhenghong Zhou,Guanjun Wu,Chuansheng Zheng,Xinggang Wang,Wenyu Liu |
| 発行日 | 2024-03-28 17:08:58+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google