論文の概要: Medical Image Registration Using Deep Neural Networks: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2002.03401v1
• Date: Sun, 9 Feb 2020 17:22:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 14:07:53.065765
• Title: Medical Image Registration Using Deep Neural Networks: A Comprehensive Review
• Title（参考訳）: ディープニューラルネットワークを用いた医用画像の登録:総合的レビュー
• Authors: Hamid Reza Boveiri, Raouf Khayami, Reza Javidan, Ali Reza MehdiZadeh
• Abstract要約: ディープニューラルネットワークを用いた医用画像登録に関する最新の文献を紹介する。 レビューは体系的であり、以前この分野で出版されたすべての関連作品を含んでいる。 このレビューは、最先端の文献を調査し、将来的な文献に貢献しようとする、現場で活動している読者の深い理解と洞察を可能にする。
• 参考スコア（独自算出の注目度）: 1.2425910171551517
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image-guided interventions are saving the lives of a large number of patients where the image registration problem should indeed be considered as the most complex and complicated issue to be tackled. On the other hand, the recently huge progress in the field of machine learning made by the possibility of implementing deep neural networks on the contemporary many-core GPUs opened up a promising window to challenge with many medical applications, where the registration is not an exception. In this paper, a comprehensive review on the state-of-the-art literature known as medical image registration using deep neural networks is presented. The review is systematic and encompasses all the related works previously published in the field. Key concepts, statistical analysis from different points of view, confiding challenges, novelties and main contributions, key-enabling techniques, future directions and prospective trends all are discussed and surveyed in details in this comprehensive review. This review allows a deep understanding and insight for the readers active in the field who are investigating the state-of-the-art and seeking to contribute the future literature.
• Abstract（参考訳）: 画像ガイドによる介入は、画像登録の問題が実際に対処すべき最も複雑で複雑な問題と見なされるべき多くの患者の命を救っている。 一方で、現代の多コアgpuにディープニューラルネットワークを実装する可能性によって、機械学習分野の最近の大きな進歩は、登録が例外ではない多くの医療アプリケーションと挑戦するための有望な窓を開いた。 本稿では,深層ニューラルネットワークを用いた医用画像登録として知られる最先端の文献について概観する。 レビューは体系的であり、以前この分野で出版されたすべての関連作品を含んでいる。 主な概念,異なる観点からの統計的分析,課題の克服,新奇さと主な貢献,キーエナリング技術,今後の方向性,今後の動向などについて,この総合的なレビューで詳細に論じ,調査した。 このレビューは、最先端の研究と将来の文学への貢献を求めている分野の読者に対して、深い理解と洞察を与えてくれる。

関連論文リスト

• Medical Image Registration and Its Application in Retinal Images: A Review [4.634056717325716]
  本稿では,従来型および深層学習に基づく医用画像登録手法の総合的なレビューを行う。 また、網膜画像登録の現在の課題についても論じ、今後の研究への洞察と展望を提供する。
  論文  参考訳（メタデータ） (2024-03-25T07:35:28Z)
• Medical image registration using unsupervised deep neural network: A scoping literature review [0.9527960631238173]
  医学において、画像登録は画像誘導的介入やその他の臨床応用において不可欠である。 ディープニューラルネットワークの実装は、画像登録を少ない時間で高精度に行うなど、いくつかの医療応用の機会を提供する。
  論文  参考訳（メタデータ） (2022-08-03T03:11:34Z)
• Deep Image Deblurring: A Survey [165.32391279761006]
  低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。 近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
  論文  参考訳（メタデータ） (2022-01-26T01:31:30Z)
• Neural Fields in Visual Computing and Beyond [54.950885364735804]
  機械学習の最近の進歩は、座標ベースニューラルネットワークを用いた視覚コンピューティング問題の解決への関心が高まっている。 ニューラルネットワークは、3D形状と画像の合成、人体のアニメーション、3D再構成、ポーズ推定に成功している。 本報告は、文脈、数学的基礎、および、ニューラルネットワークに関する文献の広範なレビューを提供する。
  論文  参考訳（メタデータ） (2021-11-22T18:57:51Z)
• A Deep Discontinuity-Preserving Image Registration Network [73.03885837923599]
  ほとんどの深層学習に基づく登録法は、所望の変形場が全世界的に滑らかで連続的であると仮定する。 本稿では、より優れた登録性能とリアルな変形場を得るために、弱い教師付き深部不連続保存画像登録ネットワーク(DDIR)を提案する。 本研究では, 心臓磁気共鳴(MR)画像の登録実験において, 登録精度を大幅に向上し, より現実的な変形を予測できることを実証した。
  論文  参考訳（メタデータ） (2021-07-09T13:35:59Z)
• Recent advances and clinical applications of deep learning in medical image analysis [7.132678647070632]
  我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。 特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
  論文  参考訳（メタデータ） (2021-05-27T18:05:12Z)
• Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
  注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。 本稿では,生成逆U-Netという新しい生成手法を提案する。 当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
  論文  参考訳（メタデータ） (2021-01-12T23:02:26Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• Trends in deep learning for medical hyperspectral image analysis [2.2404871878551353]
  本稿では,現在ディープラーニングを用いて医療用ハイパースペクトル画像の効果的な分析を行う出版物について検討する。 本研究は, 医用ハイパースペクトル画像解析のための分類, 分別, 検出における深層学習の活用を概観するものである。
  論文  参考訳（メタデータ） (2020-11-27T19:42:06Z)
• Domain Generalization for Medical Imaging Classification with Linear-Dependency Regularization [59.5104563755095]
  本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。 医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
  論文  参考訳（メタデータ） (2020-09-27T12:30:30Z)
• A review of deep learning in medical imaging: Imaging traits, technology trends, case studies with progress highlights, and future promises [27.16172003905426]
  医用画像の特徴を最初に提示し,臨床ニーズと医用画像の技術的課題の両方を強調した。 次に, デジタル診断, 胸部, 脳, 心血管, 腹部画像検査など, 臨床現場で一般的に見られるいくつかの症例について報告する。
  論文  参考訳（メタデータ） (2020-08-02T14:26:13Z)

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。