論文の概要: Weakly Supervised Geodesic Segmentation of Egyptian Mummy CT Scans
- arxiv url: http://arxiv.org/abs/2004.08270v1
- Date: Fri, 17 Apr 2020 14:35:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 13:24:28.882483
- Title: Weakly Supervised Geodesic Segmentation of Egyptian Mummy CT Scans
- Title（参考訳）: エジプトのミイラCTスキャンの測地的セグメンテーション
- Authors: Avik Hati, Matteo Bustreo, Diego Sona, Vittorio Murino, Alessio Del
Bue
- Abstract要約: 我々は、ミイラをデジタルで解き放つことを目的として、体、包帯、宝石など、さまざまなセグメントを識別する。
この問題は、セグメンテーションに異なるセグメンテーション領域のための注釈付きデータがないために複雑である。
本稿では,この課題を解決するために,弱い教師付き,効率的な対話的セグメンテーション手法を提案する。
- 参考スコア（独自算出の注目度）: 32.803368565021664
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we tackle the task of automatically analyzing 3D volumetric
scans obtained from computed tomography (CT) devices. In particular, we address
a particular task for which data is very limited: the segmentation of ancient
Egyptian mummies CT scans. We aim at digitally unwrapping the mummy and
identify different segments such as body, bandages and jewelry. The problem is
complex because of the lack of annotated data for the different semantic
regions to segment, thus discouraging the use of strongly supervised
approaches. We, therefore, propose a weakly supervised and efficient
interactive segmentation method to solve this challenging problem. After
segmenting the wrapped mummy from its exterior region using histogram analysis
and template matching, we first design a voxel distance measure to find an
approximate solution for the body and bandage segments. Here, we use geodesic
distances since voxel features as well as spatial relationship among voxels is
incorporated in this measure. Next, we refine the solution using a GrabCut
based segmentation together with a tracking method on the slices of the scan
that assigns labels to different regions in the volume, using limited
supervision in the form of scribbles drawn by the user. The efficiency of the
proposed method is demonstrated using visualizations and validated through
quantitative measures and qualitative unwrapping of the mummy.
- Abstract（参考訳）: 本稿では,CT(Computed Tomography)装置から得られた3Dボリュームスキャンを自動的に解析する作業に取り組む。
特に、古代エジプトのミイラCTスキャンのセグメンテーションにおいて、データが非常に限られている特定のタスクに対処する。
我々は、ミイラをデジタルに解き放ち、身体、包帯、宝石などの異なるセグメントを識別することを目指している。
この問題は、セグメンテーションに異なるセグメンテーション領域のための注釈付きデータがないために複雑であり、強力な教師付きアプローチの使用を妨げている。
そこで我々は,この課題を解決するために,弱い教師付きかつ効率的な対話的セグメンテーション手法を提案する。
ヒストグラム解析とテンプレートマッチングを用いて包まれたミイラを外部領域から分割した後、まずボクセル距離測定器を設計し、体と包帯セグメントの近似解を求める。
ここでは,ボクセルの特徴とボクセル間の空間的関係が組み込まれているため,測地線距離を用いる。
次に,グラブカットに基づくセグメンテーションと,ラベルをボリューム内の異なる領域に割り当てるスキャンスライスの追跡手法を併用して,ユーザによるスクリブルの形での限定的な監督を用いて,ソリューションを洗練する。
提案手法の有効性を可視化を用いて実証し,ミイラの定量的測定と質的解法を用いて検証した。
関連論文リスト
- DenseSeg: Joint Learning for Semantic Segmentation and Landmark Detection Using Dense Image-to-Shape Representation [1.342749532731493]
本稿では,ランドマークとセマンティックセグメンテーションの併用学習を可能にする画像と形状の濃密な表現を提案する。
本手法では,解剖学的対応の表現による任意のランドマークの抽出を直感的に行うことができる。
論文 参考訳（メタデータ） (2024-05-30T06:49:59Z) - Train-Free Segmentation in MRI with Cubical Persistent Homology [0.0]
トポロジカルデータ解析(TDA)を用いたMRI画像の分割法について述べる。
これは3つのステップで機能し、まずは自動しきい値設定によってオブジェクト全体をセグメントに識別し、次に事前にトポロジが知られている特定の部分集合を検出し、最後にセグメンテーションの様々な成分を推論する。
脳MRIにおけるグリオブラスト腫分画の例について検討し、2次元スライスが円である胎児脳MRIにおいて、シリンダーを含む心臓MRIにおける心筋、および皮質プレート検出について検討した。
論文 参考訳（メタデータ） (2024-01-02T11:43:49Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2023-01-12T08:19:46Z) - Deep Spectral Methods: A Surprisingly Strong Baseline for Unsupervised
Semantic Segmentation and Localization [98.46318529630109]
画像分解をグラフ分割問題として再フレーミングすることで,従来のスペクトル分割法から着想を得た。
これらの固有ベクトルはすでにイメージを意味のあるセグメントに分解しており、シーン内のオブジェクトのローカライズに容易に利用できる。
データセットにまたがるこれらのセグメントに関連する機能をクラスタ化することで、明確に定義された、名前付き可能なリージョンを得ることができる。
論文 参考訳（メタデータ） (2022-05-16T17:47:44Z) - Grasp-Oriented Fine-grained Cloth Segmentation without Real Supervision [66.56535902642085]
本稿では, 深度画像のみを用いて, 変形した衣服のきめ細かい領域検出の問題に取り組む。
最大で6つの意味領域を定義し, 首の縁, スリーブカフ, ヘム, 上と下をつかむ点を含む。
これらの部品のセグメント化とラベル付けを行うために,U-net ベースのネットワークを導入する。
合成データのみを用いてネットワークをトレーニングし、提案したDAが実データでトレーニングしたモデルと競合する結果が得られることを示す。
論文 参考訳（メタデータ） (2021-10-06T16:31:20Z) - Non-Salient Region Object Mining for Weakly Supervised Semantic
Segmentation [64.2719590819468]
弱教師付きセマンティックセグメンテーションのための非塩分領域オブジェクトマイニング手法を提案する。
擬似ラベルの偽陰性率を低減するために、潜在的なオブジェクトマイニングモジュールを提案する。
非サリエント領域マスキングモジュールは、非サリエント領域内のオブジェクトをさらに発見するのに役立ちます。
論文 参考訳（メタデータ） (2021-03-26T16:44:03Z) - Learning Whole-Slide Segmentation from Inexact and Incomplete Labels
using Tissue Graphs [11.315178576537768]
グラフを用いた弱教師付きセマンティックセグメンテーション手法であるSegGiniを提案する。
SegGiniセグメントは、組織マイクロアレイ(TMA)から全スライド画像(WSI)まで、任意かつ大規模な画像です。
論文 参考訳（メタデータ） (2021-03-04T16:04:24Z) - Self-supervised Segmentation via Background Inpainting [96.10971980098196]
移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。
我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。
本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
論文 参考訳（メタデータ） (2020-11-11T08:34:40Z) - Shape-aware Semi-supervised 3D Semantic Segmentation for Medical Images [24.216869988183092]
本稿では,豊富なラベルのないデータを活用し,セグメント化出力に幾何学的形状制約を課す,形状認識型半教師付きセグメンテーション戦略を提案する。
物体表面のセマンティックセグメンテーションと符号付き距離マップDMを共同で予測するマルチタスクディープネットワークを開発した。
実験の結果,提案手法は形状推定を改良し,最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-07-21T11:44:52Z) - Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray
Images [0.0]
医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。
本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
論文 参考訳（メタデータ） (2020-07-01T20:48:35Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z)
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。