eigenvivek/DiffDRR

解決する課題

DiffDRRは、3D CTボリュームからデジタル再構成X線画像（DRR）—合成X線画像—を生成する方法を提供します。完全に微分可能であるため、研究者は勾配ベースの最適化を使用して、2D X線と3D CTスキャンの位置合わせ（2D/3Dレジストレーション）や、2D投影からの3Dボリューム再構成など、医用画像の逆問題を解決できます。

仕組み

Siddon法（X線が3Dボリュームを通過する放射線経路を計算する古典的なアルゴリズム）を、PyTorchの一連のベクトル化されたテンソル演算として実装します。この物理ベースのレンダリングプロセスをテンソル代数に再定式化することで、カメラポーズと3Dボリューム自体の両方に対する自動微分が可能になります。

対象ユーザー

このツールは、術中画像ガイダンス、手術ナビゲーション、X線データを扱うコンピュータビジョンタスクに取り組む医用画像研究者や開発者向けに設計されています。物理ベースのX線シミュレーションをディープラーニングパイプラインに直接統合する必要がある人を対象としています。

ハイライト

• PyTorchモジュールとして統合された微分可能なX線レンダリング。
• GPU高速化による高速な合成。
• 勾配ベースの2D/3Dレジストレーションとボリューム再構成をサポート。
• さまざまなカメラポーズ表現（例：クォータニオン、回転行列、オイラー角）と互換性があります。
• PyTorchを使用した純粋なPython実装。