3D Transport-Based Morphometry (3D-TBM) による医療画像解析

arXiv:2602.07260v1 Announce Type: new Abstract: 運送ベースモルフォメトリー (TBM) は、3D 医療画像解析のための新しいフレームワークとして登場しました。画像を可逆変換を通じて運送領域に埋め込むことで、TBM は運送領域特徴を効率的に使用して分類、回帰などのタスクを可能にします。特に、逆写像是解析結果を元の画像空間に投影するのを可能にし、研究者がモデル出力に関連する臨床特徴を空間的に意味のある方法で直接解釈することを許容します。TBM の臨床画像研究におけるより広範な採用を促進するために、私たちは 3D-TBM を提案しました。これは 3D 医療画像の形態論的分析のために設計されたツールです。このフレームワークには、データの前処理、最適な運送埋め込みの計算、そして主運送方向の可視化などの解析手法、以及区別方向と関連する解析手法を区別するための技術が含まれています。また、研究者が自身の医療画像研究に 3D-TBM を適用することを支援するために、包括的なドキュメントと実践的なチュートリアルも提供しています。ソースコードは PyTransKit を通じて公開されています。

arXiv:2602.07260v1 Announce Type: new Abstract: Transport-Based Morphometry (TBM) has emerged as a new framework for 3D medical image analysis. By embedding images into a transport domain via invertible transformations, TBM facilitates effective classification, regression, and other tasks using transport-domain features. Crucially, the inverse mapping enables the projection of analytic results back into the original image space, allowing researchers to directly interpret clinical features associated with model outputs in a spatially meaningful way. To facilitate broader adoption of TBM in clinical imaging research, we present 3D-TBM, a tool designed for morphological analysis of 3D medical images. The framework includes data preprocessing, computation of optimal transport embeddings, and analytical methods such as visualization of main transport directions, together with techniques for discerning discriminating directions and related analysis methods. We also provide comprehensive documentation and practical tutorials to support researchers interested in applying 3D-TBM in their own medical imaging studies. The source code is publicly available through PyTransKit.