論文の概要: Region Proposal Network with Graph Prior and IoU-Balance Loss for Landmark Detection in 3D Ultrasound

• arxiv url: http://arxiv.org/abs/2004.00207v1
• Date: Wed, 1 Apr 2020 03:00:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 18:09:10.794109
• Title: Region Proposal Network with Graph Prior and IoU-Balance Loss for Landmark Detection in 3D Ultrasound
• Title（参考訳）: 3次元超音波によるランドマーク検出のためのグラフ優先とIoUベース損失付き領域提案ネットワーク
• Authors: Chaoyu Chen, Xin Yang, Ruobing Huang, Wenlong Shi, Shengfeng Liu, Mingrong Lin, Yuhao Huang, Yong Yang, Yuanji Zhang, Huanjia Luo, Yankai Huang, Yi Xiong, Dong Ni
• Abstract要約: 3D超音波(US)は胎児の成長モニタリングのための詳細な出生前検査を容易にする。 3DUSボリュームを分析するためには、解剖学的ランドマークを正確に同定することが基本である。 我々は3次元顔USボリュームのランドマークを検出するためにオブジェクト検出フレームワークを利用する。
• 参考スコア（独自算出の注目度）: 16.523977092204813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D ultrasound (US) can facilitate detailed prenatal examinations for fetal growth monitoring. To analyze a 3D US volume, it is fundamental to identify anatomical landmarks of the evaluated organs accurately. Typical deep learning methods usually regress the coordinates directly or involve heatmap-matching. However, these methods struggle to deal with volumes with large sizes and the highly-varying positions and orientations of fetuses. In this work, we exploit an object detection framework to detect landmarks in 3D fetal facial US volumes. By regressing multiple parameters of the landmark-centered bounding box (B-box) with a strict criteria, the proposed model is able to pinpoint the exact location of the targeted landmarks. Specifically, the model uses a 3D region proposal network (RPN) to generate 3D candidate regions, followed by several 3D classification branches to select the best candidate. It also adopts an IoU-balance loss to improve communications between branches that benefits the learning process. Furthermore, it leverages a distance-based graph prior to regularize the training and helps to reduce false positive predictions. The performance of the proposed framework is evaluated on a 3D US dataset to detect five key fetal facial landmarks. Results showed the proposed method outperforms some of the state-of-the-art methods in efficacy and efficiency.
• Abstract（参考訳）: 3d超音波(us)は胎児発育モニタリングのための詳細な出生前検査を容易にする。 3DUSボリュームを解析するためには、評価された臓器の解剖学的ランドマークを正確に同定することが基本である。 典型的なディープラーニング手法は、座標を直接回帰するか、ヒートマップマッチングを含む。 しかし、これらの方法は、大きな大きさの体積や、胎児の位置や方向の高度化に苦しむ。 本研究では,3次元顔USボリュームのランドマークを検出するために,物体検出フレームワークを利用する。 ランドマーク中心のバウンディングボックス(Bボックス)の複数のパラメータを厳格な基準で回帰することにより、提案モデルはターゲットのランドマークの正確な位置を特定できる。 具体的には、3D領域提案ネットワーク(RPN)を用いて3D候補領域を生成し、次に複数の3D分類枝で最適な候補を選択する。 また、学習プロセスの恩恵を受けるブランチ間のコミュニケーションを改善するために、IoUバランスの損失も採用している。 さらに、トレーニングを正則化する前に距離ベースのグラフを活用し、偽陽性の予測を減らすのに役立つ。 提案フレームワークの性能を3DUSデータセットで評価し,5つの重要な胎児の顔のランドマークを検出する。 その結果,提案手法は最先端手法の有効性と効率を上回っていることがわかった。

関連論文リスト

• CatFree3D: Category-agnostic 3D Object Detection with Diffusion [63.75470913278591]
  本稿では,2次元検出と深度予測から3次元検出を分離するパイプラインを提案する。 また,3次元検出結果の正確な評価のために,正規化ハンガリー距離(NHD)指標も導入した。
  論文  参考訳（メタデータ） (2024-08-22T22:05:57Z)
• 3D Object Detection from Point Cloud via Voting Step Diffusion [52.9966883689137]
  既存の投票ベースのメソッドは、個々のオブジェクトの部分的な面から厳しいノイズとともに投票を受け取り、亜最適検出性能をもたらす。 雑音条件付きスコアネットワークを用いて分布のスコア関数を推定することにより、ランダムな3Dポイントを分布の高密度領域へ移動させる新しい手法を提案する。 大規模屋内3DシーンデータセットSUN RGB-DとScanNet V2の実験により,提案手法の優位性を実証した。
  論文  参考訳（メタデータ） (2024-03-21T05:04:52Z)
• FetusMapV2: Enhanced Fetal Pose Estimation in 3D Ultrasound [28.408626329596668]
  以上の課題を克服するために,新しい3次元ポーズ推定フレームワーク(FetusMapV2)を提案する。 まず,ネットワーク構造に制約がなく,アクティベーションに制約のないGPUメモリ管理手法を提案する。 第2に、対称構造と類似の解剖構造による混乱を軽減するために、新しいペアロスを設計する。 第3に、比較的安定したランドマークを選択して、オンラインのポーズを洗練させることにより、自己指導型形状事前学習を提案する。
  論文  参考訳（メタデータ） (2023-10-30T06:18:47Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
  本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。 本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:22:33Z)
• Delving into Localization Errors for Monocular 3D Object Detection [85.77319416168362]
  単眼画像から3Dバウンディングボックスを推定することは、自動運転に不可欠な要素です。 本研究では, 各サブタスクがもたらす影響を定量化し, 局所化誤差を求めることが, モノクロ3次元検出の抑制に欠かせない要因である。
  論文  参考訳（メタデータ） (2021-03-30T10:38:01Z)
• Automated 3D cephalometric landmark identification using computerized tomography [1.4349468613117398]
  頭蓋骨の形状を代用する3次元頭蓋骨計測のランドマークの同定は、頭蓋骨計測の基本的なステップである。 近年,ディープラーニング(dl)を用いた2次元頭部画像の自動ランドマーク作成が大きな成功を収めているが,80以上のランドマークに対する3次元ランドマークは,まだ満足のいくレベルには達していない。 本論文では,匿名化されたランドマークデータセットと対のCTデータを取り除いた,半教師付き3次元ランドマーク用DL法を提案する。
  論文  参考訳（メタデータ） (2020-12-16T07:29:32Z)
• 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)
• SMOKE: Single-Stage Monocular 3D Object Detection via Keypoint Estimation [3.1542695050861544]
  3Dの向きとオブジェクトの変換を推定することは、インフラストラクチャレスの自律走行と運転に不可欠である。 SMOKEと呼ばれる新しい3次元オブジェクト検出手法を提案する。 構造的単純さにもかかわらず、提案するSMOKEネットワークは、KITTIデータセット上の既存のモノクル3D検出方法よりも優れている。
  論文  参考訳（メタデータ） (2020-02-24T08:15:36Z)
• FetusMap: Fetal Pose Estimation in 3D Ultrasound [42.59502360552173]
  そこで本研究では, 胎児の3次元姿勢を推定し, その定量的解析を容易にすることを提案する。 これは文学における胎児の3次元ポーズ推定に関する最初の研究である。 本稿では、深層ネットワークを微調整し、視覚的に妥当なポーズ予測を形成するための自己教師付き学習(SSL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2019-10-11T01:45:09Z)

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。