論文の概要: Multi-view analysis of unregistered medical images using cross-view transformers

• arxiv url: http://arxiv.org/abs/2103.11390v1
• Date: Sun, 21 Mar 2021 13:29:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-23 14:32:50.927451
• Title: Multi-view analysis of unregistered medical images using cross-view transformers
• Title（参考訳）: クロスビュートランスフォーマーを用いた未登録医用画像のマルチビュー解析
• Authors: Gijs van Tulder, Yao Tong, Elena Marchiori
• Abstract要約: 本稿では,未登録のビュー間で情報伝達を行うクロスビュートランスフォーマーを提案する。 この手法をマルチビューマンモグラフィおよび胸部X線データセットで実証する。
• 参考スコア（独自算出の注目度）: 5.349852254138086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-view medical image analysis often depends on the combination of information from multiple views. However, differences in perspective or other forms of misalignment can make it difficult to combine views effectively, as registration is not always possible. Without registration, views can only be combined at a global feature level, by joining feature vectors after global pooling. We present a novel cross-view transformer method to transfer information between unregistered views at the level of spatial feature maps. We demonstrate this method on multi-view mammography and chest X-ray datasets. On both datasets, we find that a cross-view transformer that links spatial feature maps can outperform a baseline model that joins feature vectors after global pooling.
• Abstract（参考訳）: 多視点医用画像解析は、しばしば複数の視点からの情報の組み合わせに依存する。 しかし,登録は必ずしも可能とは限らないため,視点の違いや不一致は,視点を効果的に結合することは困難である。 登録がなければ、グローバルプーリングの後にフィーチャーベクターに参加することで、ビューはグローバルな機能レベルでのみ結合できる。 空間特徴写像のレベルにおける未登録ビュー間で情報を伝達する新しいクロスビュー変換器を提案する。 本手法はマルチビューマンモグラフィと胸部X線データセットで実証する。 両データセットにおいて,空間的特徴マップをリンクするクロスビュートランスフォーマーは,グローバルプール後の特徴ベクトルに結合するベースラインモデルより優れていることがわかった。

関連論文リスト

• MV-Swin-T: Mammogram Classification with Multi-view Swin Transformer [0.257133335028485]
  マンモグラフィ画像分類における課題に対処するために,トランスフォーマーに基づく革新的なマルチビューネットワークを提案する。 提案手法では,ウィンドウベースの動的アテンションブロックを導入し,マルチビュー情報の効果的な統合を容易にする。
  論文  参考訳（メタデータ） (2024-02-26T04:41:04Z)
• Multi-Spectral Image Stitching via Spatial Graph Reasoning [52.27796682972484]
  空間グラフ推論に基づくマルチスペクトル画像縫合法を提案する。 同一のビュー位置から複数スケールの補完機能をノードに埋め込む。 空間的・チャネル的次元に沿った長距離コヒーレンスを導入することにより、画素関係の相補性とチャネル相互依存性は、整列したマルチビュー特徴の再構築に寄与する。
  論文  参考訳（メタデータ） (2023-07-31T15:04:52Z)
• Deep Incomplete Multi-view Clustering with Cross-view Partial Sample and Prototype Alignment [50.82982601256481]
  深層不完全なマルチビュークラスタリングのためのクロスビュー部分サンプルとプロトタイプアライメントネットワーク(CPSPAN)を提案する。 従来のコントラストベースの手法とは異なり、インスタンスとインスタンスの対応構築を導くために、ペア観測データアライメントを「プロキシ監視信号」として採用する。
  論文  参考訳（メタデータ） (2023-03-28T02:31:57Z)
• Two-level Data Augmentation for Calibrated Multi-view Detection [51.5746691103591]
  ビュー間のアライメントを保った新しいマルチビューデータ拡張パイプラインを導入する。 また,シーンレベルで直接適用された第2レベルの拡張を提案する。 単純なマルチビュー検出モデルと組み合わせることで、2レベル拡張パイプラインは既存のベースラインすべてより優れています。
  論文  参考訳（メタデータ） (2022-10-19T17:55:13Z)
• TransFusion: Multi-view Divergent Fusion for Medical Image Segmentation with Transformers [8.139069987207494]
  コンボリューション層と強力なアテンション機構を用いた多視点画像情報をマージするトランスフォーマーベースのアーキテクチャであるTransFusionを提案する。 特に、ディバージェント・フュージョン・アテンション(DiFA)モジュールは、リッチ・クロスビュー・コンテキスト・モデリングとセマンティック・インテリジェンス・マイニングのために提案されている。
  論文  参考訳（メタデータ） (2022-03-21T04:02:54Z)
• VoRTX: Volumetric 3D Reconstruction With Transformers for Voxelwise View Selection and Fusion [68.68537312256144]
  VoRTXは、多視点機能融合のためのトランスフォーマーを用いた、エンドツーエンドのボリューム3D再構成ネットワークである。 我々は、ScanNet上でモデルをトレーニングし、最先端の手法よりも優れた再構築を実現することを示す。
  論文  参考訳（メタデータ） (2021-12-01T02:18:11Z)
• Multiview Detection with Shadow Transformer (and View-Coherent Data Augmentation) [25.598840284457548]
  本稿では,マルチビュー情報を集約するシャドートランスを用いた新しいマルチビュー検出器MVDeTrを提案する。 畳み込みとは異なり、シャドートランスフォーマーは様々な位置やカメラで様々な影のような歪みに対処する。 本報告では,提案方式による最新の精度について報告する。
  論文  参考訳（メタデータ） (2021-08-12T17:59:02Z)
• Multiview Detection with Feature Perspective Transformation [59.34619548026885]
  本稿では,新しいマルチビュー検出システムMVDetを提案する。 我々は,平面上に特徴写像を投影することで,多視点情報を集約するアンカーフリーアプローチを採っている。 私たちのモデル全体がエンドツーエンドで学習可能で、標準のWildtrackデータセットで88.2%のMODAを実現しています。
  論文  参考訳（メタデータ） (2020-07-14T17:58:30Z)
• Generative Partial Multi-View Clustering [133.36721417531734]
  本稿では,不完全なマルチビュー問題に対処するため,GP-MVCと呼ばれる生成的部分的マルチビュークラスタリングモデルを提案する。 まず、マルチビューエンコーダネットワークをトレーニングして、一般的な低次元表現を学習し、次にクラスタリング層を使用して複数のビューをまたいだ一貫したクラスタ構造をキャプチャする。 第2に、他のビューが与える共有表現に基づいて、1つのビュー条件の欠落データを生成するために、ビュー固有の生成敵ネットワークを開発する。
  論文  参考訳（メタデータ） (2020-03-29T17:48:27Z)

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。