論文の概要: 4D Spatio-Temporal Convolutional Networks for Object Position Estimation in OCT Volumes

• arxiv url: http://arxiv.org/abs/2007.01044v1
• Date: Thu, 2 Jul 2020 12:02:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 14:35:06.882258
• Title: 4D Spatio-Temporal Convolutional Networks for Object Position Estimation in OCT Volumes
• Title（参考訳）: OCTボリュームにおける物体位置推定のための4次元時空間畳み込みネットワーク
• Authors: Marcel Bengs, Nils Gessert, Alexander Schlaefer
• Abstract要約: 3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。 我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
• 参考スコア（独自算出の注目度）: 69.62333053044712
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tracking and localizing objects is a central problem in computer-assisted surgery. Optical coherence tomography (OCT) can be employed as an optical tracking system, due to its high spatial and temporal resolution. Recently, 3D convolutional neural networks (CNNs) have shown promising performance for pose estimation of a marker object using single volumetric OCT images. While this approach relied on spatial information only, OCT allows for a temporal stream of OCT image volumes capturing the motion of an object at high volumes rates. In this work, we systematically extend 3D CNNs to 4D spatio-temporal CNNs to evaluate the impact of additional temporal information for marker object tracking. Across various architectures, our results demonstrate that using a stream of OCT volumes and employing 4D spatio-temporal convolutions leads to a 30% lower mean absolute error compared to single volume processing with 3D CNNs.
• Abstract（参考訳）: オブジェクトの追跡とローカライズは、コンピュータ支援手術における中心的な問題である。 光コヒーレンストモグラフィ(OCT)は、空間分解能と時間分解能が高いため、光学追跡システムとして用いられる。 近年,3次元畳み込みニューラルネットワーク(CNN)は,一体積CT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。 このアプローチは空間情報にのみ依存するが、OCTはOCT画像ボリュームの時間的ストリームを高ボリュームレートで取得することを可能にする。 本研究では、3次元CNNを4次元時空間CNNに体系的に拡張し、マーカーオブジェクト追跡に対する追加の時間情報の影響を評価する。 その結果, OCTボリュームのストリームと4次元時空間畳み込みを用いた場合, 3次元CNNを用いた単一ボリューム処理と比較して平均絶対誤差が30%低いことがわかった。

関連論文リスト

• μ-Net: A Deep Learning-Based Architecture for μ-CT Segmentation [2.012378666405002]
  X線計算マイクロトモグラフィー(mu-CT)は、医学および生物学的サンプルの内部解剖の高解像度な3D画像を生成する非破壊的手法である。 3D画像から関連情報を抽出するには、興味のある領域のセマンティックセグメンテーションが必要である。 本稿では、畳み込みニューラルネットワーク(CNN)を用いて、Carassius auratusの心臓の完全な形態を自動分割する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-24T15:29:08Z)
• Distributed Stochastic Optimization of a Neural Representation Network for Time-Space Tomography Reconstruction [4.689071714940848]
  X線CT(Computerd tomography)を用いた動的事象や変形物体の4次元時間空間再構成は、非常に不適切な逆問題である。 既存のアプローチでは、オブジェクトは数千から数百のX線投影計測画像の間静止していると仮定している。 本稿では,新しい分散学習アルゴリズムを用いて学習した,分散暗黙的ニューラルネットワークを用いた4次元時間空間再構成を提案する。
  論文  参考訳（メタデータ） (2024-04-29T19:41:51Z)
• Physics-Informed Learning for Time-Resolved Angiographic Contrast Agent Concentration Reconstruction [3.3359894496511053]
  本稿では、画像に基づく血流シミュレーションのデータセットに基づいてトレーニングされたニューラルネットワークベースのモデルを提案する。 このモデルでは, 血管の各中心点における空間平均コントラスト剤濃度を経時的に予測する。 本手法は, 経時的血管造影画像再構成における機械学習と血流シミュレーションの統合の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-03-04T12:37:52Z)
• Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
  3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。 既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。 抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。 この課題を解決するためのハイブリッド表現学習手法を提案します。
  論文  参考訳（メタデータ） (2020-12-14T05:22:49Z)
• Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
  モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。 従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。 我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。 これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
  論文  参考訳（メタデータ） (2020-08-31T17:10:48Z)
• Deep learning with 4D spatio-temporal data representations for OCT-based force estimation [59.405210617831656]
  深層学習に基づく力推定の問題を,3D OCTボリュームのストリームを用いた4次元体積時間データに拡張する。 平均絶対誤差は10.7mNで, 4Dterm-temporalデータを用いた場合, 従来使用されていたデータ表現よりも優れていた。
  論文  参考訳（メタデータ） (2020-05-20T13:30:36Z)
• A Deep Learning Approach for Motion Forecasting Using 4D OCT Data [69.62333053044712]
  我々は,OCTボリュームのストリームを用いたエンド・ツー・エンド動作予測と推定のための4次元時間深度学習を提案する。 提案手法は,全体の平均相関97.41%の動作予測を実現するとともに,従来の3D手法と比較して2.5倍の動作推定性能を向上する。
  論文  参考訳（メタデータ） (2020-04-21T15:59:53Z)
• Spatio-Temporal Deep Learning Methods for Motion Estimation Using 4D OCT Image Data [63.73263986460191]
  特定の対象領域の局所化と運動の推定は、外科的介入の際のナビゲーションの一般的な問題である。 OCT画像ボリュームの時間的ストリームを用いることで、深層学習に基づく動き推定性能が向上するかどうかを検討する。 モデル入力に4D情報を使用すると、合理的な推論時間を維持しながら性能が向上する。
  論文  参考訳（メタデータ） (2020-04-21T15:43:01Z)

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。