4DRGS: 4D Radiative Gaussian Splatting for Efficient 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images

要約

スパースビューからの3D容器構造を再構築するダイナミックデジタル減算（DSA）画像は、放射線曝露を減らしながら正確な医学的評価を可能にします。
既存の方法は、多くの場合、最適ではない結果を生成するか、過度の計算時間を必要とします。
この作業では、高品質の再構成を効率的に達成するために、4D放射ガウススプラッティング（4DRG）を提案します。
詳細には、4D放射ガウス核を持つ容器を表します。
各カーネルには、静的血管構造をモデル化するために、位置、回転、スケールなどの時間不変のジオメトリパラメーターがあります。
各カーネルの時間依存性中心減衰は、コンパクトなニューラルネットワークから予測され、造影剤の流れの一時的な反応をキャプチャします。
これらのガウスカーネルをX線ラスター化を介してDSA画像を合成し、実際のキャプチャされたものでモデルを最適化します。
最終的な3D容器容積は、よく訓練されたカーネルからボクセル化されています。
さらに、蓄積された減衰剪定と境界スケーリングの活性化を導入して、再構成の品質を改善します。
実際の患者データに関する広範な実験は、4DRGが5分間のトレーニングで印象的な結果を達成することを示しています。これは、最先端の方法よりも32倍高速です。
これは、実際のクリニックの4DRGの可能性を強調しています。

要約(オリジナル)

Reconstructing 3D vessel structures from sparse-view dynamic digital subtraction angiography (DSA) images enables accurate medical assessment while reducing radiation exposure. Existing methods often produce suboptimal results or require excessive computation time. In this work, we propose 4D radiative Gaussian splatting (4DRGS) to achieve high-quality reconstruction efficiently. In detail, we represent the vessels with 4D radiative Gaussian kernels. Each kernel has time-invariant geometry parameters, including position, rotation, and scale, to model static vessel structures. The time-dependent central attenuation of each kernel is predicted from a compact neural network to capture the temporal varying response of contrast agent flow. We splat these Gaussian kernels to synthesize DSA images via X-ray rasterization and optimize the model with real captured ones. The final 3D vessel volume is voxelized from the well-trained kernels. Moreover, we introduce accumulated attenuation pruning and bounded scaling activation to improve reconstruction quality. Extensive experiments on real-world patient data demonstrate that 4DRGS achieves impressive results in 5 minutes training, which is 32x faster than the state-of-the-art method. This underscores the potential of 4DRGS for real-world clinics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google