論文の概要: Efficient Pairwise Neuroimage Analysis using the Soft Jaccard Index and
3D Keypoint Sets
- arxiv url: http://arxiv.org/abs/2103.06966v2
- Date: Mon, 15 Mar 2021 16:08:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 13:09:13.955569
- Title: Efficient Pairwise Neuroimage Analysis using the Soft Jaccard Index and
3D Keypoint Sets
- Title（参考訳）: ソフト Jaccard Index と 3D Keypoint Set を用いた効率的なペアワイズ神経画像解析
- Authors: Laurent Chauvin, Kuldeep Kumar, Christian Desrosiers, William Wells
III and Matthew Toews
- Abstract要約: Measure は Jaccard インデックスを一般化し、セット要素間のソフトセット等価性を考慮します。
位置とスケールにおけるキーポイント幾何のばらつきを定量化するために,新しいカーネルを提案する。
実験では,T1強調MRI脳量,双生児双生児,兄弟姉妹,異型児の509,545対の関係を,多型遺伝子の100%-25%に分けて評価した。
- 参考スコア（独自算出の注目度）: 9.219020671887508
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We propose a novel pairwise distance measure between variable-sized sets of
image keypoints for the purpose of large-scale medical image indexing. Our
measure generalizes the Jaccard index to account for soft set equivalence (SSE)
between set elements, via an adaptive kernel framework accounting for
uncertainty in keypoint appearance and geometry. Novel kernels are proposed to
quantify the variability of keypoint geometry in location and scale. Our
distance measure may be estimated between $N^2$ image pairs in $O(N~\log~N)$
operations via keypoint indexing. Experiments validate our method in predicting
509,545 pairwise relationships from T1-weighted MRI brain volumes of
monozygotic and dizygotic twins, siblings and half-siblings sharing 100%-25% of
their polymorphic genes. Soft set equivalence and keypoint geometry kernels
outperform standard hard set equivalence (HSE) in predicting family
relationships. High accuracy is achieved, with monozygotic twin identification
near 100% and several cases of unknown family labels, due to errors in the
genotyping process, are correctly paired with family members. Software is
provided for efficient fine-grained curation of large, generic image datasets.
- Abstract（参考訳）: 大規模医用画像インデクシングを目的とした可変サイズの画像キーポイント間のペアワイズ距離測定法を提案する。
本手法は,キーポイントの出現と形状の不確実性を考慮した適応カーネルフレームワークを用いて,集合要素間のソフトセット等価性(sse)を考慮したjaccardインデックスを一般化する。
位置とスケールにおけるキーポイント幾何のばらつきを定量化するために,新しいカーネルを提案する。
我々の距離測度は、キーポイントインデックスによる$O(N~\log~N)$演算の$N^2$画像対の間で推定できる。
実験では,T1強調MRI脳量,双生児双生児,兄弟姉妹,異型児の509,545対の関係を,多型遺伝子の100%-25%に分けて評価した。
ソフトセット等価性およびキーポイントジオメトリカーネルは、家族関係の予測において標準ハードセット等価性(HSE)を上回っている。
遺伝子型決定過程の誤りにより、一卵性双生児の識別が100%近くなり、未知の家族ラベルのいくつかのケースは、正しく家族とペアリングされる。
大規模で汎用的な画像データセットの効率的な細かなキュレーションのためのソフトウェアを提供する。
関連論文リスト
- HomoMatcher: Dense Feature Matching Results with Semi-Dense Efficiency by Homography Estimation [39.48940223810725]
画像ペア間の特徴マッチングは、SLAMのような多くのアプリケーションを駆動するコンピュータビジョンの基本的な問題である。
本稿では,セミセンスマッチングフレームワークにおけるファインマッチングモジュールの強化に焦点をあてる。
我々は、粗いマッチングから得られたパッチ間の視点マッピングを生成するために、軽量で効率的なホモグラフィ推定ネットワークを用いる。
論文 参考訳（メタデータ） (2024-11-11T04:05:12Z) - Semiparametric conformal prediction [79.6147286161434]
リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。
スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。
実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
論文 参考訳（メタデータ） (2024-11-04T14:29:02Z) - Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。
また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
論文 参考訳（メタデータ） (2023-08-28T12:55:13Z) - Learning Feature Matching via Matchable Keypoint-Assisted Graph Neural
Network [52.29330138835208]
画像のペア間の局所的な特徴の正確なマッチングは、コンピュータビジョンの課題である。
従来の研究では、注意に基づくグラフニューラルネットワーク(GNN)と、画像内のキーポイントに完全に接続されたグラフを使用するのが一般的だった。
本稿では,非繰り返しキーポイントをバイパスし,マッチング可能なキーポイントを利用してメッセージパッシングを誘導する,疎注意に基づくGNNアーキテクチャであるMaKeGNNを提案する。
論文 参考訳（メタデータ） (2023-07-04T02:50:44Z) - Maximum Mean Discrepancy Kernels for Predictive and Prognostic Modeling
of Whole Slide Images [1.418033127602866]
コンピュータ病理学では、患者から採取したデジタルスキャンされた組織サンプルの全体スライド画像(WSI)は、サイズが複数ギガピクセルである。
カーネル最大化平均離散性(MMD)分析に基づく新しい戦略を,WSI間のペアの類似性を決定するために検討する。
この研究は、計算病理学における予測的および予測的タスクにWSIレベルのカーネルを適用するためのさらなる道を開くと信じている。
論文 参考訳（メタデータ） (2023-01-23T18:47:41Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Adaptation to CT Reconstruction Kernels by Enforcing Cross-domain
Feature Maps Consistency [0.06117371161379209]
本研究は,スムーズで訓練し,鋭い再構築カーネル上で試験したモデルにおいて,新型コロナウイルスのセグメンテーション品質の低下を示すものである。
本稿では,F-Consistency(F-Consistency)と呼ばれる,教師なし適応手法を提案する。
論文 参考訳（メタデータ） (2022-03-28T10:00:03Z) - Binary segmentation of medical images using implicit spline
representations and deep learning [1.5293427903448025]
本稿では,暗黙のスプライン表現と深層畳み込みニューラルネットワークを組み合わせた画像分割手法を提案する。
当社のベストネットワークでは、Diceの平均ボリュームテストスコアが92%近くに達し、この先天性心疾患データセットの最先端に達しています。
論文 参考訳（メタデータ） (2021-02-25T10:04:25Z) - Optimization for Medical Image Segmentation: Theory and Practice when
evaluating with Dice Score or Jaccard Index [25.04858968806884]
距離感性損失関数群内の関係について検討する。
Dice スコアと Jaccard index は相対的に絶対的に互いに近似している。
本研究は,6つの医学的セグメンテーション課題に対する広範囲な検証において,これらの結果を実証的に検証する。
論文 参考訳（メタデータ） (2020-10-26T11:45:55Z) - RANSAC-Flow: generic two-stage image alignment [53.11926395028508]
単純な教師なしのアプローチは、様々なタスクにおいて驚くほどうまく機能することを示す。
その単純さにもかかわらず、我々の手法は様々なタスクやデータセットで競合する結果を示す。
論文 参考訳（メタデータ） (2020-04-03T12:37:58Z) - High-Order Information Matters: Learning Relation and Topology for
Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。
我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文 参考訳（メタデータ） (2020-03-18T12:18:35Z)
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。