論文の概要: Reciprocal Landmark Detection and Tracking with Extremely Few
Annotations
- arxiv url: http://arxiv.org/abs/2101.11224v1
- Date: Wed, 27 Jan 2021 06:59:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-01 22:55:12.131586
- Title: Reciprocal Landmark Detection and Tracking with Extremely Few
Annotations
- Title(参考訳): 極端に少ないアノテーションによる相互ランドマークの検出と追跡
- Authors: Jianzhe Lin, Ghazal Sahebzamani, Christina Luong, Fatemeh Taheri
Dezaki, Mohammad Jafari, Purang Abolmaesumi, Teresa Tsang
- Abstract要約: 本稿では,心エコーラベルのスパース特性を扱うために,新しいエンドツーエンドの相互検出・追跡モデルを提案する。
このモデルは、心臓のシネシーケンス全体にわたって注釈付きフレームをほとんど使わずにトレーニングされ、ランドマークの一貫した検出と追跡が生成される。
- 参考スコア(独自算出の注目度): 10.115679843920958
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Localization of anatomical landmarks to perform two-dimensional measurements
in echocardiography is part of routine clinical workflow in cardiac disease
diagnosis. Automatic localization of those landmarks is highly desirable to
improve workflow and reduce interobserver variability. Training a machine
learning framework to perform such localization is hindered given the sparse
nature of gold standard labels; only few percent of cardiac cine series frames
are normally manually labeled for clinical use. In this paper, we propose a new
end-to-end reciprocal detection and tracking model that is specifically
designed to handle the sparse nature of echocardiography labels. The model is
trained using few annotated frames across the entire cardiac cine sequence to
generate consistent detection and tracking of landmarks, and an adversarial
training for the model is proposed to take advantage of these annotated frames.
The superiority of the proposed reciprocal model is demonstrated using a series
of experiments.
- Abstract(参考訳): 心エコー検査における2次元測定を行う解剖学的ランドマークの局在化は、心臓疾患診断における日常的な臨床ワークフローの一部である。
これらのランドマークの自動ローカライズは、ワークフローを改善し、オブザーバ間のばらつきを低減するために非常に望ましい。
このようなローカライズを行うための機械学習フレームワークのトレーニングは、金の標準ラベルのばらばらな性質から妨げられている。
本稿では,心エコーラベルのスパース特性に特化して設計された,新しいエンドツーエンドの相互検出・追跡モデルを提案する。
このモデルでは, 心筋シネ列全体にわたって少数のアノテートフレームを用いて, ランドマークの検出と追跡を一貫したものにし, それらのアノテートフレームを活用すべく, 敵対的トレーニングが提案されている。
提案する相反モデルの優越性は,一連の実験により実証された。
関連論文リスト
- One-Shot Medical Landmark Localization by Edge-Guided Transform and
Noisy Landmark Refinement [59.14062241534754]
医用ランドマークのワンショット化のための2段階のフレームワークを提案する。
ステージIでは,新たな損失関数の指導の下で,グローバルアライメントと局所変形のエンドツーエンドのカスケードを学習する。
ステージIIでは,信頼性の高い擬似ラベルを選択するための自己整合性や,半教師付き学習のための相互整合性について検討する。
論文 参考訳(メタデータ) (2022-07-31T15:42:28Z) - Deep Statistic Shape Model for Myocardium Segmentation [10.381467202920303]
本稿では, 形状整合性と境界対応性の両方を保ち, 心筋セグメンテーションに焦点をあてる新しいエンド・ツー・エンドの深部統計形状モデルを提案する。
ディープニューラルネットワークは変換パラメータを予測するために使用され、平均点雲を画像領域にワープするために使用される。
より正確なポイントクラウドを学ぶために、マスク監視をフレームワークに組み込むために、差別化可能なレンダリング層が導入されている。
論文 参考訳(メタデータ) (2022-07-21T17:01:24Z) - Robust Landmark-based Stent Tracking in X-ray Fluoroscopy [10.917460255497227]
単一ステントトラッキングのためのエンドツーエンドのディープラーニングフレームワークを提案する。
U-Netベースのランドマーク検出、ResNetベースのステント提案、機能抽出の3つの階層モジュールで構成されている。
実験により,本手法は最先端のポイントベース追跡モデルと比較して,検出精度が有意に向上していることが示された。
論文 参考訳(メタデータ) (2022-07-20T14:20:03Z) - Generative Myocardial Motion Tracking via Latent Space Exploration with
Biomechanics-informed Prior [16.129107206314043]
心筋運動と変形は、心臓機能を特徴づける豊富な記述子である。
画像登録は、心筋運動追跡において最も一般的に用いられる手法であり、不適切な逆問題である。
本稿では,アプリケーション固有のバイオメカニクスを前もって暗黙的に学習する手法を提案する。
論文 参考訳(メタデータ) (2022-06-08T12:02:00Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Contrastive Learning for View Classification of Echocardiograms [5.60187022176608]
不均衡な心エコーデータセットに対するビュー分類モデルを訓練し、最小ラベル付きデータが利用できるビュー/クラスの性能向上を示す。
また,本モデルと比較すると,F1スコアを最大26%向上させながら,十分にラベル付けされたトレーニング観察を行うことができた。
論文 参考訳(メタデータ) (2021-08-06T13:48:06Z) - Development and evaluation of intraoperative ultrasound segmentation
with negative image frames and multiple observer labels [0.17159130619349347]
セグメンテーションネットワークに先立って,プレスクリーン分類ネットワークの有用性を評価する。
従来提案されていたランダムサンプリングとコンセンサスラベルを組み合わせたアプローチは,本アプリケーションでよく機能するために適応する必要がある可能性があることを実験的に示す。
論文 参考訳(メタデータ) (2021-07-28T12:15:49Z) - Cascaded Robust Learning at Imperfect Labels for Chest X-ray
Segmentation [61.09321488002978]
不完全アノテーションを用いた胸部X線分割のための新しいカスケードロバスト学習フレームワークを提案する。
モデルは3つの独立したネットワークから成り,ピアネットワークから有用な情報を効果的に学習できる。
提案手法は,従来の手法と比較して,セグメント化タスクの精度を大幅に向上させることができる。
論文 参考訳(メタデータ) (2021-04-05T15:50:16Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳(メタデータ) (2020-12-10T04:01:07Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳(メタデータ) (2020-10-19T13:56:22Z) - Motion Pyramid Networks for Accurate and Efficient Cardiac Motion
Estimation [51.72616167073565]
本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。
我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。
そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
論文 参考訳(メタデータ) (2020-06-28T21:03:19Z)
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。