Fugu-MT 論文翻訳(概要): A Reference Architecture for Plausible Threat Image Projection (TIP) Within 3D X-ray Computed Tomography Volumes

論文の概要: A Reference Architecture for Plausible Threat Image Projection (TIP) Within 3D X-ray Computed Tomography Volumes

arxiv url: http://arxiv.org/abs/2001.05459v1
Date: Wed, 15 Jan 2020 18:25:23 GMT
ステータス: 処理完了
システム内更新日: 2023-01-11 06:24:30.156476
Title: A Reference Architecture for Plausible Threat Image Projection (TIP) Within 3D X-ray Computed Tomography Volumes
Title（参考訳）: 3次元x線ctボリュームにおけるpleusible threat image projection(tip)のリファレンスアーキテクチャ
Authors: Qian Wang, Najla Megherbi, Toby P. Breckon
Abstract要約: Threat Image Projection (TIP) は、X線セキュリティバッグスクリーニングシステムで使用される技術である。 TIPは、良質で現実的な方法で、良質なX線荷物画像に脅威オブジェクトシグネチャを重畳する。我々は,3次元CT荷物画像内の現実的かつ確実な脅威オブジェクト挿入をターゲットとしたCTボリュームにおける3次元TIPのアプローチを提案する。
参考スコア（独自算出の注目度）: 19.62794187456967
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Threat Image Projection (TIP) is a technique used in X-ray security baggage screening systems that superimposes a threat object signature onto a benign X-ray baggage image in a plausible and realistic manner. It has been shown to be highly effective in evaluating the ongoing performance of human operators, improving their vigilance and performance on threat detection. However, with the increasing use of 3D Computed Tomography (CT) in aviation security for both hold and cabin baggage screening a significant challenge arises in extending TIP to 3D CT volumes due to the difficulty in 3D CT volume segmentation and the proper insertion location determination. In this paper, we present an approach for 3D TIP in CT volumes targeting realistic and plausible threat object insertion within 3D CT baggage images. The proposed approach consists of dual threat (source) and baggage (target) volume segmentation, particle swarm optimisation based insertion determination and metal artefact generation. In addition, we propose a TIP quality score metric to evaluate the quality of generated TIP volumes. Qualitative evaluations on real 3D CT baggage imagery show that our approach is able to generate realistic and plausible TIP which are indiscernible from real CT volumes and the TIP quality scores are consistent with human evaluations.
Abstract（参考訳）: Threat Image Projection (TIP) は、X線セキュリティバッグのスクリーニングシステムで用いられる技法で、脅威オブジェクトのシグネチャを、良質で現実的な方法で、良質なX線バッグの画像に重畳する。ヒトのオペレーターの現在進行中のパフォーマンスを評価するのに非常に効果的であることが示されており、脅威検出における警戒力と性能が向上している。しかし, 3次元CTボリューム分割の困難さと適切な挿入位置の決定により, TIPを3次元CTボリュームに拡張する上で, ホールドおよびキャビンバッグの検診において, 航空セキュリティにおけるCTの使用が増加し, 重大な課題が生じた。本稿では,3次元CT荷物画像内の現実的かつ確実な脅威オブジェクト挿入をターゲットとしたCTボリュームにおける3次元TIPのアプローチを提案する。提案手法は、2つの脅威(ソース)と手荷物(ターゲット)ボリュームセグメンテーション、粒子群最適化に基づく挿入決定と金属アーティファクト生成からなる。また,生成したチップボリュームの品質を評価するために,チップ品質スコア指標を提案する。実3次元CT荷物画像の質的評価は,本手法が実3次元CT量と区別できない現実的かつ妥当なTIPを生成することができ,TIP品質スコアは人間の評価と一致していることを示している。

関連論文リスト

3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
論文参考訳（メタデータ） (2024-09-28T12:31:07Z)
High-Fidelity 3D Lung CT Synthesis in ARDS Swine Models Using Score-Based 3D Residual Diffusion Models [13.79974752491887]
急性呼吸不全症候群(ARDS)は、肺炎症と呼吸不全を特徴とする重症疾患であり、死亡率は約40%である。胸部X線のような従来の画像撮影法は、肺病理の完全な評価において、その効果を制限し、2次元のビューのみを提供する。本研究では, スコアベース3D残差拡散モデルを用いて2次元X線画像から高忠実度3D肺CTを合成する。
論文参考訳（メタデータ） (2024-09-26T18:22:34Z)
Enhancing Weakly Supervised 3D Medical Image Segmentation through Probabilistic-aware Learning [52.249748801637196]
3次元医用画像のセグメンテーションは、疾患の診断と治療計画に重要な意味を持つ課題である。近年の深層学習の進歩は、完全に教師付き医療画像のセグメンテーションを著しく強化している。本稿では,3次元医用画像に特化して設計された,確率的適応型弱教師付き学習パイプラインを提案する。
論文参考訳（メタデータ） (2024-03-05T00:46:53Z)
Perspective Projection-Based 3D CT Reconstruction from Biplanar X-rays [32.98966469644061]
我々は,X線を用いた新しいCT再構成フレームワークPerX2CTを提案する。提案手法は,各座標に対して異なる特徴の組み合わせを提供し,モデルが3次元位置に関する情報を暗黙的に取得できるようにする。
論文参考訳（メタデータ） (2023-03-09T14:45:25Z)
A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文参考訳（メタデータ） (2022-03-01T17:08:41Z)
Weakly Supervised Volumetric Image Segmentation with Deformed Templates [80.04326168716493]
対象対象物の表面にスパースな3次元点のセットのみを提供する必要があるという意味で、真に弱い教師付きアプローチを提案する。監督コストの削減により、3Dの弱スーパービジョンに対する従来のアプローチよりも優れていることを示す。
論文参考訳（メタデータ） (2021-06-07T22:09:34Z)
Contraband Materials Detection Within Volumetric 3D Computed Tomography Baggage Security Screening Imagery [29.253322915780362]
材料シグネチャに基づく3次元コントラバンド物質検出にDeep Neural Networksを適用することを提案する。まず,3D U-Netなどの3D CNNに基づくセマンティックセマンティックセグメンテーションアルゴリズムとその変種について検討する。体積3次元CTデータの元の密度密度表現形式とは対照的に,CTボリュームをスパース点雲に変換することを提案する。
論文参考訳（メタデータ） (2020-12-21T23:48:06Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)
Multi-Class 3D Object Detection Within Volumetric 3D Computed Tomography Baggage Security Screening Imagery [19.62794187456967]
我々は、一つの統合されたフレームワークを用いて、複数の対象カテゴリの関心事を検出することを検討する。 3D RetinaNetと一連の好ましい戦略を組み合わせることで、5つのオブジェクトクラスの平均平均精度(mAP)は65.3%に達する。
論文参考訳（メタデータ） (2020-08-03T21:54:14Z)
4D Spatio-Temporal Convolutional Networks for Object Position Estimation in OCT Volumes [69.62333053044712]
3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
論文参考訳（メタデータ） (2020-07-02T12:02:20Z)
On the Evaluation of Prohibited Item Classification and Detection in Volumetric 3D Computed Tomography Baggage Security Screening Imagery [19.62794187456967]
我々は,2次元X線画像からボリューム3次元CTバッグセキュリティスクリーニング画像への自動禁止項目検出の可能性を評価する。我々は3D Convolutional Neural Neworks(CNN)とRetinaNetやFaster R-CNNといった一般的なオブジェクト検出フレームワークを活用しています。
論文参考訳（メタデータ） (2020-03-27T20:17:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。