論文の概要: Image Translation by Latent Union of Subspaces for Cross-Domain Plaque Detection

• arxiv url: http://arxiv.org/abs/2005.11384v1
• Date: Fri, 22 May 2020 20:35:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 09:43:29.891962
• Title: Image Translation by Latent Union of Subspaces for Cross-Domain Plaque Detection
• Title（参考訳）: クロスドメインプラーク検出のための部分空間の潜在結合による画像変換
• Authors: Yingying Zhu, Daniel C. Elton, Sungwon Lee, Perry J. Pickhardt, Ronald M. Summers
• Abstract要約: 大動脈および骨盤動脈の石灰化プラークは冠動脈石灰化と関連しており、心臓発作の強力な予測因子である。 現在の石灰化プラーク検出モデルでは、異なる領域に対する一般化性が低い。 サブスペース制約の共有結合を用いた画像翻訳ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 6.114454943178102
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Calcified plaque in the aorta and pelvic arteries is associated with coronary artery calcification and is a strong predictor of heart attack. Current calcified plaque detection models show poor generalizability to different domains (ie. pre-contrast vs. post-contrast CT scans). Many recent works have shown how cross domain object detection can be improved using an image translation model which translates between domains using a single shared latent space. However, while current image translation models do a good job preserving global/intermediate level structures they often have trouble preserving tiny structures. In medical imaging applications, preserving small structures is important since these structures can carry information which is highly relevant for disease diagnosis. Recent works on image reconstruction show that complex real-world images are better reconstructed using a union of subspaces approach. Since small image patches are used to train the image translation model, it makes sense to enforce that each patch be represented by a linear combination of subspaces which may correspond to the different parts of the body present in that patch. Motivated by this, we propose an image translation network using a shared union of subspaces constraint and show our approach preserves subtle structures (plaques) better than the conventional method. We further applied our method to a cross domain plaque detection task and show significant improvement compared to the state-of-the art method.
• Abstract（参考訳）: 大動脈および骨盤動脈の石灰化プラークは冠動脈石灰化と関連しており、心臓発作の強い予測因子である。 現在の石灰化プラーク検出モデルでは、異なる領域(コントラスト前対CTスキャン)への一般化性が低い。 最近の多くの研究は、単一の共有潜在空間を用いてドメイン間の変換を行う画像変換モデルを用いて、クロスドメインオブジェクトの検出を改善する方法を示している。 しかし、現在の画像翻訳モデルは、グローバル/中間レベルの構造を保存するのに良い働きをする一方で、小さな構造を保存するのに苦労することが多い。 これらの構造は疾患診断に非常に重要な情報を運ぶことができるため、医用画像アプリケーションでは小構造物の保存が重要である。 画像再構成に関する最近の研究により、複雑な実世界の画像は部分空間の結合アプローチによりより良く再構成できることが示された。 小さな画像パッチは画像翻訳モデルを訓練するために使用されるため、各パッチは、そのパッチに存在する体の異なる部分に対応する部分空間の線形結合によって表現されることを強制するのは理にかなっている。 そこで我々は,サブスペース制約の共有結合を用いた画像翻訳ネットワークを提案し,従来の手法よりも微妙な構造(プラーク)を保存できることを示す。 さらに,この手法をクロスドメインプラーク検出タスクに適用し,最先端手法と比較して有意な改善を示した。

関連論文リスト

• Learned representation-guided diffusion models for large-image generation [58.192263311786824]
  自己教師型学習(SSL)からの埋め込みを条件とした拡散モデルを訓練する新しいアプローチを導入する。 我々の拡散モデルは、これらの特徴を高品質な病理組織学およびリモートセンシング画像に投影することに成功した。 実画像のバリエーションを生成して実データを増やすことにより、パッチレベルおよび大規模画像分類タスクの下流精度が向上する。
  論文  参考訳（メタデータ） (2023-12-12T14:45:45Z)
• Smooth image-to-image translations with latent space interpolations [64.8170758294427]
  マルチドメインイメージ・トゥ・イメージ(I2I)変換は、ターゲットドメインのスタイルに応じてソースイメージを変換することができる。 我々の正規化技術は、最先端のI2I翻訳を大きなマージンで改善できることを示す。
  論文  参考訳（メタデータ） (2022-10-03T11:57:30Z)
• GREN: Graph-Regularized Embedding Network for Weakly-Supervised Disease Localization in X-ray images [35.18562405272593]
  コンテキスト情報や補償情報として、クロスリージョンとクロスイメージの関係は、より一貫性のある統合された領域を得るために不可欠である。 胸部X線画像上の疾患の特定に画像内および画像間情報を活用するグラフ正規化埋め込みネットワーク(GREN)を提案する。 このことから,本研究はNIH胸部X線データを用いた軽度疾患局所化のための最先端の成果を得られた。
  論文  参考訳（メタデータ） (2021-07-14T01:27:07Z)
• Smoothing the Disentangled Latent Style Space for Unsupervised Image-to-Image Translation [56.55178339375146]
  イメージ・ツー・イメージ(I2I)マルチドメイン翻訳モデルは通常、セマンティックな結果の品質を用いて評価される。 本稿では,翻訳ネットワークがスムーズでゆがみのあるラテントスタイル空間を学習するのに役立つ,3つの特定の損失に基づく新たなトレーニングプロトコルを提案する。
  論文  参考訳（メタデータ） (2021-06-16T17:58:21Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• The Spatially-Correlative Loss for Various Image Translation Tasks [69.62228639870114]
  シーン構造の一貫性を保つために、シンプルで効率的かつ効果的な新しい空間相関損失を提案します。 以前の方法は、ピクセルレベルのサイクル一貫性または特徴レベルのマッチング損失を使用してこれを試みます。 I2I翻訳の3つのモードすべてにおいて,ベースラインモデルに対して,単一モーダル,マルチモーダル,さらには単一イメージ翻訳において,明確な改善が見られた。
  論文  参考訳（メタデータ） (2021-04-02T02:13:30Z)
• Self-Attentive Spatial Adaptive Normalization for Cross-Modality Domain Adaptation [9.659642285903418]
  放射線科医の費用負担を軽減するための医用画像のクロスモダリティ合成 本稿では,教師なしまたは教師なし(非ペア画像データ)の設定が可能な医用画像における画像から画像への変換手法を提案する。
  論文  参考訳（メタデータ） (2021-03-05T16:22:31Z)
• Flow-based Deformation Guidance for Unpaired Multi-Contrast MRI Image-to-Image Translation [7.8333615755210175]
  本稿では,非可逆的アーキテクチャに基づく画像と画像の非対角変換に対する新しいアプローチを提案する。 我々は、連続スライス間の時間的情報を利用して、不適切な医療画像において、あるドメインを別のドメインに変換する最適化により多くの制約を与える。
  論文  参考訳（メタデータ） (2020-12-03T09:10:22Z)
• Cross-Domain Medical Image Translation by Shared Latent Gaussian Mixture Model [10.05036157409819]
  クロスドメイン画像解析ツールは、実世界の臨床応用において高い需要がある。 現在のディープラーニングベースのセグメンテーションモデルは、訓練データ不足のため、ドメイン間でのセグメンテーションが不十分であることが多い。 医用画像翻訳中に微細構造を保存するために,ガウス混合モデルから共用潜伏変数を用いたパッチベースモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-14T17:48:44Z)
• 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)
• Structural-analogy from a Single Image Pair [118.61885732829117]
  本稿では,1対の画像A,Bのみを用いて,ニューラルネットワークによる画像構造理解能力について検討する。 我々は、B の外観とスタイルを保持するが、A に対応する構造的配置を持つ画像を生成する。 提案手法は,画像AとBのみを利用した条件生成タスクにおいて,高品質な画像を生成するために利用できる。
  論文  参考訳（メタデータ） (2020-04-05T14:51:10Z)

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。