論文の概要: Long-range medical image registration through generalized mutual
information (GMI): toward a fully automatic volumetric alignment
- arxiv url: http://arxiv.org/abs/2011.15049v1
- Date: Mon, 30 Nov 2020 17:48:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-06 14:31:41.734923
- Title: Long-range medical image registration through generalized mutual
information (GMI): toward a fully automatic volumetric alignment
- Title（参考訳）: 汎用相互情報(GMI)による長距離医療画像登録 : 完全自動ボリュームアライメントに向けて
- Authors: Vinicius Pavanelli Vianna and Luiz Otavio Murta Jr
- Abstract要約: 相互情報(Mi)は、医用画像の登録によく用いられる、堅牢な類似度指標である。
GMI関数は、アルゴリズムを大域極大に駆動する滑らかな等曲面を持つことを示した。
速度性能を向上した長距離登録におけるGMIの信頼性を指摘する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image registration is a key operation in medical image processing, allowing a
plethora of applications. Mutual information (MI) is consolidated as a robust
similarity metric often used for medical image registration. Although MI
provides a robust medical image registration, it usually fails when the needed
image transform is too big due to MI local maxima traps. In this paper, we
propose and evaluate a generalized parametric MI as an affine registration cost
function. We assessed the generalized MI (GMI) functions for separable affine
transforms and exhaustively evaluated the GMI mathematical image seeking the
maximum registration range through a gradient descent simulation. We also
employed Monte Carlo simulation essays for testing translation registering of
randomized T1 versus T2 images. GMI functions showed to have smooth isosurfaces
driving the algorithm to the global maxima. Results show significantly
prolonged registration ranges, avoiding the traps of local maxima. We evaluated
a range of [-150mm,150mm] for translations, [-180{\deg},180{\deg}] for
rotations, [0.5,2] for scales, and [-1,1] for skew with a success rate of
99.99%, 97.58%, 99.99%, and 99.99% respectively for the transforms in the
simulated gradient descent. We also obtained 99.75% success in Monte Carlo
simulation from 2,000 randomized translations trials with 1,113 subjects T1 and
T2 MRI images. The findings point towards the reliability of GMI for long-range
registration with enhanced speed performance
- Abstract（参考訳）: 画像登録は医療画像処理における重要な操作であり、多くの応用が可能となる。
相互情報(mi)は、医療画像登録によく用いられる堅牢な類似度指標として統合される。
MIは、堅牢な医用画像登録を提供するが、MI局所的な最大トラップのため、必要な画像変換が大きすぎると、通常失敗する。
本稿では,一般パラメトリックMIをアフィン登録コスト関数として提案し,評価する。
分離可能なアフィン変換のための一般化MI (GMI) 関数を評価し, 勾配勾配シミュレーションを用いて最大登録範囲を求めるGMI数学的イメージを網羅的に評価した。
また,ランダム化t1対t2画像の翻訳登録をテストするためにモンテカルロシミュレーションエッセイを用いた。
GMI関数は、アルゴリズムを大域最大に駆動する滑らかな等曲面を持つことを示した。
その結果,局所極大の罠を回避し,登録範囲が著しく延長された。
本研究は, 回転の[-150mm, 150mm], 回転の[-180{\deg}, 180{\deg}], スケールの[0.5,2], 成功率99.99%, 97.58%, 99.99%, 99.99%のスキューの[-1,1]について検討した。
また、1,113件の被験者T1およびT2MRI画像を用いた2000件のランダム化翻訳試験からモンテカルロシミュレーションにおいて99.75%の成功を得た。
高速化された長距離登録におけるGMIの信頼性に関する知見
関連論文リスト
- GlobalMamba: Global Image Serialization for Vision Mamba [73.50475621164037]
視覚マンバは、視覚トークンの数に対して線形複雑度で強い性能を示した。
既存のほとんどの方法はパッチベースの画像トークン化を採用し、因果処理のためにそれらを1Dシーケンスにフラット化する。
本稿では,グローバルな画像シリアライズ手法を提案し,その画像を因果トークンのシーケンスに変換する。
論文 参考訳（メタデータ） (2024-10-14T09:19:05Z) - NestedMorph: Enhancing Deformable Medical Image Registration with Nested Attention Mechanisms [0.0]
変形可能な画像登録は、異なるモダリティにまたがる非線形な方法で医療画像の整列に不可欠である。
本稿では,Nested Attention Fusion を用いた新たなネットワークであるNestedMorphについて述べる。
論文 参考訳（メタデータ） (2024-10-03T14:53:42Z) - High-Dimensional Confidence Regions in Sparse MRI [5.318766629972959]
MRIの圧縮センシングのような医療画像の応用では、測定システムは複雑なフーリエ行列で表される。
本研究の目的は,MR画像の各画素に対する信頼区間を構築するために,この手法をMRIケースに拡張することである。
論文 参考訳（メタデータ） (2024-07-18T15:18:02Z) - TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。
このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。
このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文 参考訳（メタデータ） (2024-05-29T20:15:54Z) - Decoupled Diffusion Models: Simultaneous Image to Zero and Zero to Noise [53.04220377034574]
10機能未満の高画質(未条件)の画像生成のためのデカップリング拡散モデル(DDM)を提案する。
我々は,1) 画像から0遷移までをモデル化した解析的遷移確率に基づいて, 学習目標と(2) サンプリング式を逆時間に導出する。
1)無条件画像生成, CIFAR-10, CelebA-HQ-256, 2)超解像, 塩分検出, エッジ検出, 画像入力などの下流処理, テキスト処理, テキスト処理, テキスト処理, テキスト処理, 画像処理, 画像処理などと比較して, 非常に競争力のある性能が得られる。
論文 参考訳（メタデータ） (2023-06-23T18:08:00Z) - Recurrence With Correlation Network for Medical Image Registration [66.63200823918429]
本稿では,医療画像登録ネットワークであるRecurrence with correlation Network (RWCNet)について述べる。
これらの特徴により、2つの画像登録データセットにおける医用画像登録精度が向上することが実証された。
論文 参考訳（メタデータ） (2023-02-05T02:41:46Z) - Hierarchical Transformer for Survival Prediction Using Multimodality
Whole Slide Images and Genomics [63.76637479503006]
下流タスクのためのギガピクセルレベルのスライド病理画像(WSI)の良質な表現を学習することが重要である。
本稿では,病理画像と対応する遺伝子間の階層的マッピングを学習する階層型マルチモーダルトランスフォーマーフレームワークを提案する。
より優れたWSI表現能力を維持しながら、ベンチマーク手法と比較してGPUリソースが少ないアーキテクチャです。
論文 参考訳（メタデータ） (2022-11-29T23:47:56Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - MICDIR: Multi-scale Inverse-consistent Deformable Image Registration
using UNetMSS with Self-Constructing Graph Latent [0.0]
本稿ではVoxelmorphアプローチを3つの異なる方法で拡張する。
変形の小さい場合や大きな場合の性能向上のために,マルチスケールのUNetを用いて,解像度の異なるモデルの監視を行った。
脳MRIの登録作業において、提案手法はANTやVoxelMorphよりも大幅に改善された。
論文 参考訳（メタデータ） (2022-03-08T18:07:47Z) - Efficient Semi-Supervised Gross Target Volume of Nasopharyngeal
Carcinoma Segmentation via Uncertainty Rectified Pyramid Consistency [10.285412678779462]
鼻咽喉頭癌に対する放射線治療計画におけるGross Target Volume(GTV)セグメンテーションの役割
CNNはこのタスクで優れたパフォーマンスを達成したが、トレーニングにはラベル付き画像の大規模なセットに依存している。
半監視型NPC GTVセグメンテーションのための不確かさ補正ピラミッド一貫性(URPC)正規化を用いた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） (2020-12-13T11:45:00Z) - Unified cross-modality feature disentangler for unsupervised
multi-domain MRI abdomen organs segmentation [3.3504365823045044]
我々の貢献は、多領域画像翻訳と複数の臓器セグメント化のための、一貫したクロスモダリティ特徴分離アプローチである。
ラベル付きソースドメインとしてCTを用いることで,ラベル付きデータを持たないマルチモーダルMRI(T1重み,T2重み)を抽出する。
提案手法により,T1wでは0.85,T2wMRIでは0.90のDice類似係数が得られた。
論文 参考訳（メタデータ） (2020-07-19T13:33:41Z)
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。