NeAS: 3D Reconstruction from X-ray Images using Neural Attenuation Surface

要約

2次元（2D）X線画像からの3次元（3D）構造の再構築は、コンピューター断層撮影スキャンよりも少ない放射線曝露を必要とする医療用途での貴重で効率的な手法です。
暗黙の神経表現を使用する最近のアプローチにより、まばらなX線画像からの新しいビューの合成が可能になりました。
ただし、画像合成により精度が向上しましたが、表面形状の推定の精度は不十分なままです。
したがって、表面のジオメトリと減衰係数フィールドを同時にキャプチャする神経減衰面（NEA）を使用して3Dシーンを再構築するための新しいアプローチを提案します。
NEASには、署名された距離関数（SDF）が組み込まれています。これは、シーン内の3D表面を抽出する際に減衰フィールドを定義し、AIDSを支援します。
シミュレートされた本物のX線画像を使用して実験を行い、結果は、NEAが2D X線画像のみを使用してシーン内で3D表面を正確に抽出できることを実証しました。

要約(オリジナル)

Reconstructing three-dimensional (3D) structures from two-dimensional (2D) X-ray images is a valuable and efficient technique in medical applications that requires less radiation exposure than computed tomography scans. Recent approaches that use implicit neural representations have enabled the synthesis of novel views from sparse X-ray images. However, although image synthesis has improved the accuracy, the accuracy of surface shape estimation remains insufficient. Therefore, we propose a novel approach for reconstructing 3D scenes using a Neural Attenuation Surface (NeAS) that simultaneously captures the surface geometry and attenuation coefficient fields. NeAS incorporates a signed distance function (SDF), which defines the attenuation field and aids in extracting the 3D surface within the scene. We conducted experiments using simulated and authentic X-ray images, and the results demonstrated that NeAS could accurately extract 3D surfaces within a scene using only 2D X-ray images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google