GuidedRec: Guiding Ill-Posed Unsupervised Volumetric Recovery

要約

以前にキャプチャされた患者の 3D ボリュームを利用して、たった 2 つの平面投影から 3D ボリュームを再構成する新しい教師なしアプローチを紹介します。
このようなボリュームは、多くの重要な医療処置で容易に利用でき、以前の方法ではそのようなボリュームがすでに使用されていました。
投影に一致するようにこのボリュームを変形することで機能する以前の方法は、通常、投影の数が非常に少ない場合、位置合わせの拘束が不十分になるため失敗します。
ボリューム構造の生成モデルを使用して変形を拘束し、正しい推定値を取得する方法を示します。
さらに、私たちの方法は特定のセンサーのキャリブレーションに限定されず、再トレーニングせずに新しいキャリブレーションに適用できます。
私たちは、困難なデータセットに対するアプローチを評価し、それが最先端の方法よりも優れていることを示しました。
その結果、私たちの方法は、患者の放射線被ばくを大幅に削減しながら、手術や放射線療法などの治療シナリオで使用できる可能性があります。

要約(オリジナル)

We introduce a novel unsupervised approach to reconstructing a 3D volume from only two planar projections that exploits a previous\-ly-captured 3D volume of the patient. Such volume is readily available in many important medical procedures and previous methods already used such a volume. Earlier methods that work by deforming this volume to match the projections typically fail when the number of projections is very low as the alignment becomes underconstrained. We show how to use a generative model of the volume structures to constrain the deformation and obtain a correct estimate. Moreover, our method is not bounded to a specific sensor calibration and can be applied to new calibrations without retraining. We evaluate our approach on a challenging dataset and show it outperforms state-of-the-art methods. As a result, our method could be used in treatment scenarios such as surgery and radiotherapy while drastically reducing patient radiation exposure.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google