論文の概要: Deep Learning-Based Regression and Classification for Automatic Landmark
Localization in Medical Images
- arxiv url: http://arxiv.org/abs/2007.05295v1
- Date: Fri, 10 Jul 2020 10:46:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 22:44:14.697351
- Title: Deep Learning-Based Regression and Classification for Automatic Landmark
Localization in Medical Images
- Title(参考訳): 深層学習に基づく医用画像の自動ランドマーク定位のための回帰と分類
- Authors: Julia M. H. Noothout, Bob D. de Vos, Jelmer M. Wolterink, Elbrich M.
Postma, Paul A. M. Smeets, Richard A. P. Takx, Tim Leiner, Max A. Viergever
and Ivana I\v{s}gum
- Abstract要約: 完全畳み込みニューラルネットワーク(FCNN)を用いたグローバル・ローカル・ローカライゼーション手法を用いる。
グローバルなローカライゼーションでローカライズされた各ランドマークに対して、ローカライズを行う。
特殊なFCNNは、局所的なサブイメージを同様の方法で分析することで、グローバルなランドマークの場所を洗練します。
- 参考スコア(独自算出の注目度): 6.853644471421005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study, we propose a fast and accurate method to automatically
localize anatomical landmarks in medical images. We employ a global-to-local
localization approach using fully convolutional neural networks (FCNNs). First,
a global FCNN localizes multiple landmarks through the analysis of image
patches, performing regression and classification simultaneously. In
regression, displacement vectors pointing from the center of image patches
towards landmark locations are determined. In classification, presence of
landmarks of interest in the patch is established. Global landmark locations
are obtained by averaging the predicted displacement vectors, where the
contribution of each displacement vector is weighted by the posterior
classification probability of the patch that it is pointing from. Subsequently,
for each landmark localized with global localization, local analysis is
performed. Specialized FCNNs refine the global landmark locations by analyzing
local sub-images in a similar manner, i.e. by performing regression and
classification simultaneously and combining the results. Evaluation was
performed through localization of 8 anatomical landmarks in CCTA scans, 2
landmarks in olfactory MR scans, and 19 landmarks in cephalometric X-rays. We
demonstrate that the method performs similarly to a second observer and is able
to localize landmarks in a diverse set of medical images, differing in image
modality, image dimensionality, and anatomical coverage.
- Abstract(参考訳): 本研究では,医用画像中の解剖学的ランドマークを自動的にローカライズする高速かつ高精度な手法を提案する。
完全畳み込みニューラルネットワーク(FCNN)を用いたグローバル・ローカルなローカライゼーション手法を用いる。
まず、グローバルFCNNは画像パッチの分析を通じて複数のランドマークをローカライズし、レグレッションと分類を同時に行う。
回帰において、画像パッチの中心からランドマーク位置に向かう変位ベクトルを決定する。
分類では、パッチに対する興味のあるランドマークの存在が確立される。
グローバルなランドマーク位置は、予測された変位ベクトルを平均化し、各変位ベクトルの寄与は、それが指しているパッチの後方分類確率によって重み付けされる。
その後、グローバルローカライズでローカライズされたランドマーク毎に局所解析を行う。
特別なfcnnは、局所サブイメージを同様の方法で分析し、回帰と分類を同時に行い、結果を組み合わせることで、グローバルランドマークの位置を洗練する。
cctaスキャンでは8つの解剖学的ランドマーク,嗅覚mrスキャンでは2つのランドマーク,頭蓋x線では19のランドマークを局在させて評価を行った。
本手法は第2の観察者と同様の動作を示し,画像のモダリティ,画像寸法,解剖学的範囲の異なる,多種多様な医用画像にランドマークを局在させることができる。
関連論文リスト
- Progressive Retinal Image Registration via Global and Local Deformable Transformations [49.032894312826244]
我々はHybridRetinaと呼ばれるハイブリッド登録フレームワークを提案する。
キーポイント検出器とGAMorphと呼ばれる変形ネットワークを用いて、大域的な変換と局所的な変形可能な変換を推定する。
FIREとFLoRI21という2つの広く使われているデータセットの実験により、提案したHybridRetinaは最先端の手法よりも大幅に優れていることが示された。
論文 参考訳(メタデータ) (2024-09-02T08:43:50Z) - Keypoint-Augmented Self-Supervised Learning for Medical Image
Segmentation with Limited Annotation [21.203307064937142]
本稿では,短距離と長距離の両方の自己注意を保った表現を抽出するキーポイント拡張融合層を提案する。
特に,長距離空間の自己意識を学習する追加入力を組み込むことで,CNN機能マップを複数スケールで拡張する。
提案手法は,より堅牢な自己アテンションを生成することにより,既存のSSLメソッドよりも優れる。
論文 参考訳(メタデータ) (2023-10-02T22:31:30Z) - QUIZ: An Arbitrary Volumetric Point Matching Method for Medical Image
Registration [10.788848900099385]
クエリポイントキッザ(QUIZ)という,任意の利害関係のボクセル点に基づく医用画像登録手法を提案する。
本研究は, 頸部がん患者の大変形データセットを用いて本手法の有効性を検証した。
論文 参考訳(メタデータ) (2023-09-30T08:13:40Z) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳(メタデータ) (2023-07-24T14:43:07Z) - TractGeoNet: A geometric deep learning framework for pointwise analysis
of tract microstructure to predict language assessment performance [66.43360974979386]
拡散磁気共鳴画像(dMRI)による回帰処理を行うための幾何学的深層学習フレームワークであるTractGeoNetを提案する。
回帰性能を向上させるために,新しい損失関数 Paired-Siamese Regression Los を提案する。
本手法の有効性を,2つの言語神経心理学的評価に対して予測することで評価した。
論文 参考訳(メタデータ) (2023-07-08T14:10:37Z) - Landmark Tracking in Liver US images Using Cascade Convolutional Neural
Networks with Long Short-Term Memory [9.49563286905127]
本研究では,超音波(US)画像誘導放射線治療のための深層学習に基づく追跡手法を提案する。
提案したモデルは、MICCAI(Medicical Image Computing and Computer Assisted Interventions) 2015の課題で使用される、米国における肝追跡データセットでテストされた。
論文 参考訳(メタデータ) (2022-09-14T22:01:20Z) - ScoreNet: Learning Non-Uniform Attention and Augmentation for
Transformer-Based Histopathological Image Classification [11.680355561258427]
高解像度画像はデジタル病理の進歩を妨げる。
パッチベースの処理は、しばしば複数のインスタンス学習(MIL)を組み込んで、画像レベルの予測をもたらす局所的なパッチレベルの表現を集約する。
本稿では,組織像分類に適したトランスフォーマーアーキテクチャを提案する。
局所的なきめ細かな注意と粗いグローバルな注意機構を組み合わせることで、高解像度画像の意味的な表現を効率的な計算コストで学習する。
論文 参考訳(メタデータ) (2022-02-15T16:55:09Z) - One-Shot Object Localization in Medical Images based on Relative
Position Regression [17.251097303541002]
ボリューム医療画像における臓器局在とランドマーク局在のためのワンショットフレームワークを提示する。
私たちの主な考え方は、異なる人体の組織や臓器が、同様の相対的な位置と文脈を持っていることです。
ヘッド・アンド・ネック(HaN)CTボリュームからの多臓器局在化実験により,本手法は実時間で競合性能を得た。
論文 参考訳(メタデータ) (2020-12-13T11:54:19Z) - Pose-dependent weights and Domain Randomization for fully automatic
X-ray to CT Registration [51.280096834264256]
完全自動X線CT登録は、既存の強度ベース登録の範囲内での最初のアライメントを必要とする。
この作業は、エンドツーエンドの登録を可能にする新しい自動初期化を提供する。
ミリメートルにおける平均(+標準偏差)ターゲット登録誤差は、成功率92%の模擬X線に対して4.1 +- 4.3、成功率86.8%の実X線に対して4.2 +- 3.9であり、成功率は30mm未満の翻訳誤差と定義される。
論文 参考訳(メタデータ) (2020-11-14T12:50:32Z) - Inter-Image Communication for Weakly Supervised Localization [77.2171924626778]
弱教師付きローカライゼーションは、画像レベルの監督のみを使用して対象対象領域を見つけることを目的としている。
我々は,より正確な物体位置を学習するために,異なる物体間の画素レベルの類似性を活用することを提案する。
ILSVRC検証セット上でトップ1のローカライズ誤差率45.17%を達成する。
論文 参考訳(メタデータ) (2020-08-12T04:14:11Z) - Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。
提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。
3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
論文 参考訳(メタデータ) (2020-04-17T11:55:03Z)
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。