論文の概要: Appearance Learning for Image-based Motion Estimation in Tomography
- arxiv url: http://arxiv.org/abs/2006.10390v1
- Date: Thu, 18 Jun 2020 09:49:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 14:26:46.637736
- Title: Appearance Learning for Image-based Motion Estimation in Tomography
- Title（参考訳）: トモグラフィにおける画像に基づく動き推定のための外観学習
- Authors: Alexander Preuhs, Michael Manhart, Philipp Roser, Elisabeth Hoppe,
Yixing Huang, Marios Psychogios, Markus Kowarschik, and Andreas Maier
- Abstract要約: トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
- 参考スコア（独自算出の注目度）: 60.980769164955454
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In tomographic imaging, anatomical structures are reconstructed by applying a
pseudo-inverse forward model to acquired signals. Geometric information within
this process is usually depending on the system setting only, i. e., the
scanner position or readout direction. Patient motion therefore corrupts the
geometry alignment in the reconstruction process resulting in motion artifacts.
We propose an appearance learning approach recognizing the structures of rigid
motion independently from the scanned object. To this end, we train a siamese
triplet network to predict the reprojection error (RPE) for the complete
acquisition as well as an approximate distribution of the RPE along the single
views from the reconstructed volume in a multi-task learning approach. The RPE
measures the motioninduced geometric deviations independent of the object based
on virtual marker positions, which are available during training. We train our
network using 27 patients and deploy a 21-4-2 split for training, validation
and testing. In average, we achieve a residual mean RPE of 0.013mm with an
inter-patient standard deviation of 0.022 mm. This is twice the accuracy
compared to previously published results. In a motion estimation benchmark the
proposed approach achieves superior results in comparison with two
state-of-the-art measures in nine out of twelve experiments. The clinical
applicability of the proposed method is demonstrated on a motion-affected
clinical dataset.
- Abstract（参考訳）: トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用して解剖構造を再構成する。
このプロセス内の幾何学的情報は、通常はシステム設定のみに依存する。
e.
スキャナの位置または読み出し方向。
したがって、患者の動きは、復元過程における幾何学的アライメントを損なう。
剛体運動の構造をスキャン対象とは独立に認識する外観学習手法を提案する。
この目的のために,シアーム三重項ネットワークを訓練し,完全獲得のための再投影誤差(reprojection error, rpe)を予測し,マルチタスク学習手法において再構成ボリュームから1つのビューに沿ってrpeの近似分布を推定する。
RPEは、トレーニング中に利用可能な仮想マーカー位置に基づいて、物体から独立して運動誘起幾何学的偏差を測定する。
27人の患者でネットワークをトレーニングし,21-4-2のスプリットをトレーニング,検証,テストに展開する。
患者間標準偏差 0.022mm の残差平均 RPE は平均 0.013mm となる。
これは以前公表された結果の2倍の精度である。
運動推定ベンチマークにおいて,提案手法は12実験中9回で2つの最先端手法と比較し,優れた結果を得た。
本手法の臨床的応用性は, 運動の影響のある臨床データセットに示す。
関連論文リスト
- Improved Trajectory Reconstruction for Markerless Pose Estimation [0.0]
マーカーレスポーズ推定は、複数の同期および校正されたビューから人間の動きを再構築することを可能にする。
我々は、マーカーレスポーズ推定精度に基づいて、異なるキーポイント検出器と再構成アルゴリズムを試験した。
その結果、トップダウンのキーポイント検出器を用いて暗黙の関数で軌跡を再構築することで、正確で滑らかで解剖学的に妥当な軌跡が得られた。
論文 参考訳（メタデータ） (2023-03-04T13:16:02Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Automatic size and pose homogenization with spatial transformer network
to improve and accelerate pediatric segmentation [51.916106055115755]
空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。
私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。
腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
論文 参考訳（メタデータ） (2021-07-06T14:50:03Z) - Learning to recover orientations from projections in single-particle
cryo-EM [0.0]
単粒子核電子顕微鏡(cryo-em)における大きな課題は、イメージングに先立つ3d粒子が採用する配向が未知であることである。
得られた2次元プロジェクションの集合から直接これらの方向を復元する手法を提案する。
提案手法は, (i) 射影の対の距離の推定と (ii) それぞれの射影の向きをこれらの距離から復元する2つのステップから構成される。
論文 参考訳（メタデータ） (2021-04-13T14:31:37Z) - Robustness Investigation on Deep Learning CT Reconstruction for
Real-Time Dose Optimization [8.036721491921218]
線量最適化のための臓器形状を推定するには、予備CT再建が必要です。
本研究では,このようなアプリケーションにおける多様体近似(AUTOMAP)による自動変換の性能を検討する。
2つのプロジェクションまたは4つのプロジェクションから直接画像再構築のためのAUTOMAPモデルをトレーニングします。
テスト画像は平均根平均二乗誤差290huに達する。
論文 参考訳（メタデータ） (2020-12-07T10:55:54Z) - Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。
本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文 参考訳（メタデータ） (2020-10-05T14:18:52Z) - Enhanced 3D Myocardial Strain Estimation from Multi-View 2D CMR Imaging [0.0]
CMR SSFP画像からの複数方向からの相補的変位情報を組み合わせた3次元心筋ひずみ推定法を提案する。
商用ソフトウェア(セグメント,メドビソ)に実装された2次元非剛性登録アルゴリズムを用いて,短軸,4角,2角のビューのセットを登録する。
次に, 運動3方向の補間関数を作成し, 患者固有の左室の四面体メッシュ表現を変形させる。
論文 参考訳（メタデータ） (2020-09-25T22:47:50Z) - Inertial Measurements for Motion Compensation in Weight-bearing
Cone-beam CT of the Knee [6.7461735822055715]
膝のCTスキャン中の不随意運動は、再建されたボリュームのアーティファクトを引き起こすため、臨床診断には使用できない。
被験者の脚に慣性測定装置(IMU)を装着し,スキャン中の運動を測定する。
論文 参考訳（メタデータ） (2020-07-09T09:26:27Z) - A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions
Artefacts in MRI Scans [63.28835187934139]
本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。
提案法は患者の多動運動によって生成された人工物に応用できる。
論文 参考訳（メタデータ） (2020-06-24T15:25:11Z) - 4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。
提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
論文 参考訳（メタデータ） (2020-04-20T11:41:01Z)
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。