論文の概要: A lateral semicircular canal segmentation based geometric calibration for human temporal bone CT Image

• arxiv url: http://arxiv.org/abs/2006.15588v1
• Date: Sun, 28 Jun 2020 12:36:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 02:33:50.488246
• Title: A lateral semicircular canal segmentation based geometric calibration for human temporal bone CT Image
• Title（参考訳）: ヒト側頭側頭骨ct画像の幾何校正に基づく外側半円管分割法
• Authors: Xiaoguang Li, Peng Fu, Hongxia Yin, ZhenChang Wang, Li Zhuo, Hui Zhang
• Abstract要約: 側頭骨CT画像の自動校正アルゴリズムを提案する。 側方半円管(LSC)は最初,アンカーとして分割され,次に標準3次元座標系を定義する。 符号化段階における特徴融合のための3次元拡張畳み込みとマルチプール方式を導入した新しい3次元LCCセグメンテーション・デコーダネットワークを設計する。
• 参考スコア（独自算出の注目度）: 13.829782834867192
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computed Tomography (CT) of the temporal bone has become an important method for diagnosing ear diseases. Due to the different posture of the subject and the settings of CT scanners, the CT image of the human temporal bone should be geometrically calibrated to ensure the symmetry of the bilateral anatomical structure. Manual calibration is a time-consuming task for radiologists and an important pre-processing step for further computer-aided CT analysis. We propose an automatic calibration algorithm for temporal bone CT images. The lateral semicircular canals (LSCs) are segmented as anchors at first. Then, we define a standard 3D coordinate system. The key step is the LSC segmentation. We design a novel 3D LSC segmentation encoder-decoder network, which introduces a 3D dilated convolution and a multi-pooling scheme for feature fusion in the encoding stage. The experimental results show that our LSC segmentation network achieved a higher segmentation accuracy. Our proposed method can help to perform calibration of temporal bone CT images efficiently.
• Abstract（参考訳）: 側頭骨CTは耳疾患の診断に重要な方法となっている。 被験者の姿勢やCTスキャナの設定の相違から,ヒト側頭骨のCT像を幾何学的に校正して,両側解剖学的構造の対称性を確保する必要がある。 手動校正は放射線技師にとって時間を要する課題であり、コンピュータ支援CT解析のための重要な前処理ステップである。 側頭骨CT画像の自動校正アルゴリズムを提案する。 外側半円形運河(LSC)は、最初はアンカーとして区分される。 そして,標準3次元座標系を定義する。 重要なステップはLCCセグメンテーションである。 符号化段階における特徴融合のための3次元拡張畳み込みとマルチプール方式を導入する3次元LCCセグメンテーション・デコーダネットワークを設計する。 実験の結果, LSCセグメンテーションネットワークは高いセグメンテーション精度を達成できた。 提案手法は, 側頭骨CT画像の校正を効率的に行うのに役立つ。

関連論文リスト

• Deep Conditional Shape Models for 3D cardiac image segmentation [1.4042211166197214]
  本稿では,Deep Shape Model (DCSM) Conditional をコアコンポーネントとする新しいセグメンテーションアルゴリズムを提案する。 生成した形状を画像に合わせるため、形状モデルを解剖学的ランドマークに条件付けし、ユーザーが自動的に検出または提供することができる。 局所的な改善を伴わずに非造影CTの基準線を上回り, 造影CT, 3DE, 特にハウスドルフ距離を著しく改善した。
  論文  参考訳（メタデータ） (2023-10-16T18:38:26Z)
• Quantum optimization algorithms for CT image segmentation from X-ray data [0.0]
  本稿では,2次非制約二元最適化(QUBO)と呼ばれる高度な量子最適化アルゴリズムを用いた新しい手法を提案する。 ラドン変換を用いて、実験的に得られたシングラムと量子化されたセグメンテーションCT画像から得られた量子化されたシングラムとの差を最小限に抑えたX線投影データからのセグメンテーションCT画像の取得を可能にする。 本研究は,実世界のX線データの検証にD-Waveのハイブリッドソルバシステムを利用した。
  論文  参考訳（メタデータ） (2023-06-08T19:37:43Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
  Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。 従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。 これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。 本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-26T14:38:42Z)
• WSC-Trans: A 3D network model for automatic multi-structural segmentation of temporal bone CT [5.821303529939008]
  側頭骨CTにおける多構造目標の自動セグメンテーションのための3次元ネットワークモデルを提案する。 このアルゴリズムは特徴抽出のためにCNNとTransformerを組み合わせて,空間的注意とチャネル注意機構を活用し,セグメンテーション効果をさらに改善する。
  論文  参考訳（メタデータ） (2022-11-14T06:44:37Z)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Fluid registration between lung CT and stationary chest tomosynthesis images [23.239722016943794]
  計測された投影とデジタル再構成されたラジオグラフに基づいて3次元変形を推定する3D/2D登録手法を定式化する。 我々は,CTと静止胸部トモシンセシス(sDCT)画像の登録に対するアプローチを実証し,それが反復的画像再構成アプローチにどのように自然に導かれるかを示した。
  論文  参考訳（メタデータ） (2022-03-06T21:51:49Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Deep Reinforcement Learning for Organ Localization in CT [59.23083161858951]
  我々はCTにおける臓器局所化のための深層強化学習手法を提案する。 この研究において、人工エージェントは、その主張や誤りから学習することで、CT内の臓器の局所化を積極的に行う。 本手法は,任意の臓器をローカライズするためのプラグイン・アンド・プレイモジュールとして利用できる。
  論文  参考訳（メタデータ） (2020-05-11T10:06:13Z)
• A$^3$DSegNet: Anatomy-aware artifact disentanglement and segmentation network for unpaired segmentation, artifact reduction, and modality translation [18.500206499468902]
  CBCT画像は, ノイズ, 組織コントラストの低下, 金属物の存在により, 品質が低く, 人工物が混入している。 脊椎のアノテーションを付加した、人工物のない高品質なCT画像が豊富に存在する。 CBCT椎体分割モデルの構築には, アノテーションを付加した未確認CT画像が有用である。
  論文  参考訳（メタデータ） (2020-01-02T06:37:09Z)

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。