機械学習と幾何学的推論を組み合わせたニューラルレンダリング技術は、まばらな画像セットからシーンの新しいビューを合成するための最も有望なアプローチの1つとして生まれました。これらの中で、5D入力座標(空間位置と視線方向を表す)をボリューム密度とビューに依存する放射輝度にマッピングするために深いネットワークをトレーニングするニューラル放射輝度フィールド(NeRF)が際立っています。ただし、生成された画像で前例のないレベルのフォトリアリズムを実現したにもかかわらず、NeRFは静的なシーンにのみ適用可能であり、同じ空間位置を異なる画像から照会できます。この論文では、D-NeRFを紹介します。これは、神経放射輝度フィールドを動的ドメインに拡張し、シーン内を移動する単一のカメラから、剛体および非剛体の動きの下でオブジェクトの新しい画像を再構築およびレンダリングできるようにします。この目的のために、時間
Three-dimensional Segmentation of the Scoliotic Spine from MRI using Unsupervised Volume-based MR-CT Synthesis 磁気共鳴(MR)画像からの椎骨のセグメンテーションは困難な作業です。体の軟組織を強調するモダリティの固有の性質により、一般的なしきい値処理アルゴリズムは、MR画像内の骨の検出には効果がありません。一方、骨と周囲の領域とのコントラストが高いため、CT画像から骨をセグメント化する方が比較的簡単です。このため、椎骨の単純なしきい値ベースのセグメンテーションのために、MRドメインとCTドメインの間でクロスモダリティ合成を実行します。ただし、これは、特に脊柱側弯症患者の場合、まれなペアのMR-CTデータの可用性を暗黙的に想定しています。この論文では、脊柱側弯症の棘をセグメント化する
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く