Fugu-MT 論文翻訳(概要): Oversampling errors in multimodal medical imaging are due to the Gibbs effect

論文の概要: Oversampling errors in multimodal medical imaging are due to the Gibbs effect

arxiv url: http://arxiv.org/abs/2103.05964v1
Date: Wed, 10 Mar 2021 09:42:13 GMT
ステータス: 処理完了
システム内更新日: 2021-03-11 14:40:11.377832
Title: Oversampling errors in multimodal medical imaging are due to the Gibbs effect
Title（参考訳）: マルチモーダル医用画像におけるオーバーサンプリング誤差はギブス効果による
Authors: Davide Poggiali, Diego Cecchin, Cristina Campi, Stefano De Marchi
Abstract要約: セグメントごとの平均値の点で、最も低い画像サイズへのアンダーサンプリングが有利です。過サンプリング誤差は勾配が急勾配でギブス効果を示すほど大きい。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: To analyse multimodal 3-dimensional medical images, interpolation is required for resampling which - unavoidably - introduces an interpolation error. In this work we consider three segmented 3-dimensional images resampled with three different neuroimaging software tools for comparing undersampling and oversampling strategies and to identify where the oversampling error lies. The results indicate that undersampling to the lowest image size is advantageous in terms of mean value per segment errors and that the oversampling error is larger where the gradient is steeper, showing a Gibbs effect.
Abstract（参考訳）: マルチモーダルな3次元医用画像の解析には補間が必要であり, 必然的に補間誤差が生じる。本研究では,アンダーサンプリングとオーバーサンプリング戦略を比較し,オーバーサンプリングエラーの所在を特定するために,3種類のニューロイメージングソフトウェアツールを組み込んだ3次元画像について検討する。その結果,最下位画像サイズに対するアンダーサンプリングはセグメント誤差毎の平均値において有利であり,オーバーサンプリング誤差は勾配が急勾配である場合に大きく,ギブス効果を示すことがわかった。

関連論文リスト

Towards Efficient and Accurate CT Segmentation via Edge-Preserving Probabilistic Downsampling [2.1465347972460367]
限られたリソースやネットワークトレーニングの迅速化を必要とするイメージやラベルのダウンサンプリングは、小さなオブジェクトと薄いバウンダリの損失につながる。これにより、セグメンテーションネットワークのイメージを正確に解釈し、詳細なラベルを予測する能力が損なわれ、元の解像度での処理と比較して性能が低下する。エッジ保存型確率ダウンサンプリング(EPD)という新しい手法を提案する。ローカルウィンドウ内のクラス不確実性を利用してソフトラベルを生成し、ウィンドウサイズがダウンサンプリング係数を規定する。
論文参考訳（メタデータ） (2024-04-05T10:01:31Z)
Improving Feature Stability during Upsampling -- Spectral Artifacts and the Importance of Spatial Context [15.351461000403074]
画像復元、画像分割、不均一性推定など、さまざまなタスクにおいて、画素ワイズ予測が求められている。以前の研究では、再サンプリング操作がエイリアスなどのアーティファクトの対象であることが示されている。アップサンプリング中に大きな空間的コンテキストが利用できることで,安定かつ高品質な画素ワイズ予測が実現可能であることを示す。
論文参考訳（メタデータ） (2023-11-29T10:53:05Z)
Multiscale Analysis for Improving Texture Classification [62.226224120400026]
本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
論文参考訳（メタデータ） (2022-04-21T01:32:22Z)
SALISA: Saliency-based Input Sampling for Efficient Video Object Detection [58.22508131162269]
ビデオオブジェクト検出のための新しい一様SALiencyベースの入力SAmpling技術であるSALISAを提案する。 SALISAは小物体の検出を著しく改善することを示す。
論文参考訳（メタデータ） (2022-04-05T17:59:51Z)
Modulated Contrast for Versatile Image Synthesis [60.304183493234376]
MoNCEは画像のコントラストを導入し、多面的画像間距離の知覚のための校正基準を学習する。複数の対照的な目的に対して協調的に負のサンプルのプッシュ力を変調するために,MoNCEの最適輸送を導入する。
論文参考訳（メタデータ） (2022-03-17T14:03:46Z)
Reducing the Gibbs effect in multimodal medical imaging by the Fake Nodes Approach [0.0]
本稿では,一般的な再サンプリング手法を説明し,連続的かつ不連続な信号の場合の誤差を報告する。本稿では,機能画像のオーバーサンプリング時のギブズ効果を低減するために,イメージ再サンプリングのためのフェイクノード方式を提案する。
論文参考訳（メタデータ） (2022-02-21T15:46:58Z)
Learning to Downsample for Segmentation of Ultra-High Resolution Images [6.432524678252553]
空間的に変化するダウンサンプリング戦略とセグメンテーションを併用して学習することで,計算予算に制限のある大きな画像のセグメンテーションにメリットがあることが示される。本手法は, サンプリング密度を異なる場所に適用することにより, より小さな重要な領域から, より少ない領域からより多くのサンプルを収集する。 2つの公開データセットと1つのローカル高解像度データセットについて、本手法は、より多くの情報を保存するためのサンプリング位置を一貫して学習し、ベースライン法よりもセグメンテーション精度を向上することを示す。
論文参考訳（メタデータ） (2021-09-22T23:04:59Z)
Toward Real-World Super-Resolution via Adaptive Downsampling Models [58.38683820192415]
本研究では,制約のある事前知識を伴わずに未知のサンプル処理をシミュレートする手法を提案する。対の例を使わずに対象LR画像の分布を模倣する汎用化可能な低周波損失(LFL)を提案する。
論文参考訳（メタデータ） (2021-09-08T06:00:32Z)
Self-supervised spectral matching network for hyperspectral target detection [8.831857715361624]
いくつかのターゲットサンプルから、航空機、車両、船舶などの特定のターゲットピクセルをハイパースペクトル画像全体から識別することを目的としています。一般に、背景ピクセルは画像の大部分を取り、複雑に分散します。スペクトル混合に基づく自己監視型パラダイムは、ハイパースペクトルデータのために設計され、効果的な特徴表現を得る。
論文参考訳（メタデータ） (2021-05-10T02:32:58Z)
Designing a Practical Degradation Model for Deep Blind Image Super-Resolution [134.9023380383406]
単一画像スーパーレゾリューション (sisr) 法は, 推定劣化モデルが実画像から逸脱した場合はうまく動作しない。本稿では, ランダムにシャッフルされたブラー, ダウンサンプリング, ノイズ劣化からなる, より複雑で実用的な劣化モデルを提案する。
論文参考訳（メタデータ） (2021-03-25T17:40:53Z)
Rank-Consistency Deep Hashing for Scalable Multi-Label Image Search [90.30623718137244]
スケーラブルなマルチラベル画像検索のための新しいディープハッシュ法を提案する。 2つの空間の類似性順序を整列するために、新しい階数整合性目的を適用した。強力な損失関数は、意味的類似性とハミング距離が一致しないサンプルをペナルティ化するように設計されている。
論文参考訳（メタデータ） (2021-02-02T13:46:58Z)

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。