論文の概要: A registration error estimation framework for correlative imaging

• arxiv url: http://arxiv.org/abs/2103.06256v1
• Date: Wed, 10 Mar 2021 18:43:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-11 14:43:24.555761
• Title: A registration error estimation framework for correlative imaging
• Title（参考訳）: 相関イメージングのための登録誤差推定フレームワーク
• Authors: Guillaume Potier, Fr\'ed\'eric Lavancier, Stephan Kunne and Perrine Paul-Gilloteaux
• Abstract要約: ワークフローの一部は、ソースイメージとターゲットイメージをリンクする変換を見つけることに依存します。 ポイントベースの登録における登録エラーの推定に特に興味があります。 これらの発達は、生物学者がマルチモーダル相関画像を分析するための意思決定支援ツールとして使用できる。
• 参考スコア（独自算出の注目度）: 0.8029049649310213
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Correlative imaging workflows are now widely used in bioimaging and aims to image the same sample using at least two different and complementary imaging modalities. Part of the workflow relies on finding the transformation linking a source image to a target image. We are specifically interested in the estimation of registration error in point-based registration. We propose an application of multivariate linear regression to solve the registration problem allowing us to propose a framework for the estimation of the associated error in the case of rigid and affine transformations and with anisotropic noise. These developments can be used as a decision-support tool for the biologist to analyze multimodal correlative images and are available under Ec-CLEM, an open-source plugin under ICY.
• Abstract（参考訳）: コリレーティブイメージングワークフローは現在、バイオイメージングに広く使われており、少なくとも2つの異なる相補的なイメージングモードを使用して同じサンプルをイメージすることを目指している。 ワークフローの一部は、ソースイメージとターゲットイメージをリンクする変換を見つけることに依存します。 ポイントベースの登録における登録エラーの推定に特に興味があります。 本研究では, 登録問題に対する多変量線形回帰の応用を提案し, 剛性およびアフィン変換時および異方性雑音時における関連誤差推定の枠組みを提案する。 これらの開発は、生物学者がマルチモーダル相関画像を分析するための意思決定支援ツールとして使用することができ、ICYのオープンソースプラグインであるEc-CLEMの下で利用可能である。

関連論文リスト

• InVA: Integrative Variational Autoencoder for Harmonization of Multi-modal Neuroimaging Data [3.792342522967013]
  本稿では、異なるソースから得られた複数の画像から情報を借りて、画像の予測推論を行う、積分変分自動符号化(textttInVA)手法を提案する。 数値的な結果は、通常入力画像間での情報を借りることができないVAEに対して、textttInVAのかなりの利点を示す。
  論文  参考訳（メタデータ） (2024-02-05T05:26:17Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• Deformable multi-modal image registration for the correlation between optical measurements and histology images [0.20482269513546453]
  病理組織像の変形による不正確な登録により,光学的測定と適切な病理組織ラベルとの相関がしばしば妨げられる。 本研究では, 深層学習の原理を応用したマルチモーダル画像の自動登録手法について検討した。
  論文  参考訳（メタデータ） (2023-11-24T11:14:39Z)
• Log-Likelihood Score Level Fusion for Improved Cross-Sensor Smartphone Periocular Recognition [52.15994166413364]
  我々は、複数のコンパレータを融合させて、異なるスマートフォンの画像を比較する際に、眼周囲の性能を改善する。 我々は線形ロジスティック回帰に基づく確率的融合フレームワークを使用し、融合したスコアはログライクな比率になる傾向にある。 我々のフレームワークは、同じセンサとクロスセンサーのスコア分布が整列され、共通の確率領域にマッピングされるため、異なるデバイスからの信号を処理するためのエレガントでシンプルなソリューションも提供します。
  論文  参考訳（メタデータ） (2023-11-02T13:43:44Z)
• Multi-scale Target-Aware Framework for Constrained Image Splicing Detection and Localization [11.803255600587308]
  統合パイプラインにおける特徴抽出と相関マッチングを結合するマルチスケールなターゲット認識フレームワークを提案する。 提案手法は,関連パッチの協調学習を効果的に促進し,特徴学習と相関マッチングの相互促進を行う。 我々の実験では、統一パイプラインを用いたモデルが、いくつかのベンチマークデータセット上で最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-08-18T07:38:30Z)
• Modality Completion via Gaussian Process Prior Variational Autoencoders for Multi-Modal Glioma Segmentation [75.58395328700821]
  本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。 MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。 4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
  論文  参考訳（メタデータ） (2021-07-07T19:06:34Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• MvMM-RegNet: A new image registration framework based on multivariate mixture model and neural network estimation [14.36896617430302]
  生成モデル(MvMM)とニューラルネットワーク推定に基づく新しい画像登録フレームワークを提案する。 外観と解剖情報を一体化した生成モデルを構築し、グループ登録が可能な新規な損失関数を導出する。 マルチモーダル心画像への様々な応用のためのフレームワークの汎用性を強調した。
  論文  参考訳（メタデータ） (2020-06-28T11:19:15Z)
• CoMIR: Contrastive Multimodal Image Representation for Registration [4.543268895439618]
  我々は,CoMIR(Contrastive Multimodal Image Representations)と呼ばれる,共有された高密度画像表現を学習するためのコントラスト符号化を提案する。 CoMIRは、十分に類似した画像構造が欠如しているため、既存の登録方法がしばしば失敗するマルチモーダル画像の登録を可能にする。
  論文  参考訳（メタデータ） (2020-06-11T10:51:33Z)
• Learning Deformable Image Registration from Optimization: Perspective, Modules, Bilevel Training and Beyond [62.730497582218284]
  マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。 我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
  論文  参考訳（メタデータ） (2020-04-30T03:23:45Z)

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。