論文の概要: Generative Adversarial Registration for Improved Conditional Deformable
Templates
- arxiv url: http://arxiv.org/abs/2105.04349v1
- Date: Fri, 7 May 2021 17:06:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-11 15:06:24.602838
- Title: Generative Adversarial Registration for Improved Conditional Deformable
Templates
- Title(参考訳): 条件付きデフォルマブルテンプレートのための生成逆レジストレーション
- Authors: Neel Dey, Mengwei Ren, Adrian V. Dalca, Guido Gerig
- Abstract要約: 変形性および条件付きテンプレート推定を逆登録ゲームとして再構成する。
得られたテンプレートは、年齢や病気などの属性に顕著な特異性を示し、グループの時間的傾向に適合し、鋭さと解剖学的に改善された。
- 参考スコア(独自算出の注目度): 8.630682179154784
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deformable templates are essential to large-scale medical image registration,
segmentation, and population analysis. Current conventional and deep
network-based methods for template construction use only regularized
registration objectives and often yield templates with blurry and/or
anatomically implausible appearance, confounding downstream biomedical
interpretation. We reformulate deformable registration and conditional template
estimation as an adversarial game wherein we encourage realism in the moved
templates with a generative adversarial registration framework conditioned on
flexible image covariates. The resulting templates exhibit significant gain in
specificity to attributes such as age and disease, better fit underlying
group-wise spatiotemporal trends, and achieve improved sharpness and
centrality. These improvements enable more accurate population modeling with
diverse covariates for standardized downstream analyses and easier anatomical
delineation for structures of interest.
- Abstract(参考訳): 変形可能なテンプレートは、大規模医療画像登録、セグメンテーション、人口分析に不可欠である。
現在の従来型および深層ネットワークベースのテンプレート構築手法では、正規化登録対象のみを使用し、しばしばぼやけた、または解剖学的に意味のない外観でテンプレートを生成し、下流の生物医学的解釈を基礎としている。
我々は,フレキシブル画像共変量に基づく生成的逆登録フレームワークを用いて,移動テンプレートのリアリズムを奨励する敵ゲームとして,変形可能な登録と条件付きテンプレート推定を再構成する。
得られたテンプレートは、年齢や病気などの属性に特異的に顕著な増加を示し、グループワイドの時空間傾向に適合し、シャープネスと集中性が向上した。
これらの改良により、様々な共変量を持つより正確な集団モデリングが可能となり、下流解析が標準化され、興味のある構造に対する解剖学的記述が容易になった。
関連論文リスト
- On the Out of Distribution Robustness of Foundation Models in Medical
Image Segmentation [47.95611203419802]
視覚と言語の基礎は、様々な自然画像とテキストデータに基づいて事前訓練されており、有望なアプローチとして現れている。
一般化性能を,同じ分布データセット上で微調整した後,事前学習した各種モデルの未確認領域と比較した。
さらに,凍結モデルに対する新しいベイズ不確実性推定法を開発し,分布外データに基づくモデルの性能評価指標として利用した。
論文 参考訳(メタデータ) (2023-11-18T14:52:10Z) - Mesh2SSM: From Surface Meshes to Statistical Shape Models of Anatomy [0.0]
我々は、教師なしの置換不変表現学習を利用して、テンプレートポイントクラウドを主題固有のメッシュに変形する方法を推定する新しいアプローチであるMesh2SSMを提案する。
Mesh2SSMは集団固有のテンプレートも学習でき、テンプレート選択によるバイアスを低減できる。
論文 参考訳(メタデータ) (2023-05-13T00:03:59Z) - ChiroDiff: Modelling chirographic data with Diffusion Models [132.5223191478268]
チャーログラフィーデータのための強力なモデルクラスである「拡散確率モデル(Denoising Diffusion Probabilistic Models)」やDDPMを導入している。
我々のモデルは「ChiroDiff」と呼ばれ、非自己回帰的であり、全体論的概念を捉えることを学び、したがって高い時間的サンプリングレートに回復する。
論文 参考訳(メタデータ) (2023-04-07T15:17:48Z) - Adapting Pretrained Vision-Language Foundational Models to Medical
Imaging Domains [3.8137985834223502]
臨床の文脈を忠実に描写する医療画像の生成モデルを構築することは、医療データセットの不明瞭さを軽減するのに役立つ。
安定拡散パイプラインのサブコンポーネントを探索し、モデルを微調整して医用画像を生成する。
我々の最良の性能モデルは、安定な拡散ベースラインを改善し、合成ラジオグラフィ画像に現実的な異常を挿入するように条件付けすることができる。
論文 参考訳(メタデータ) (2022-10-09T01:43:08Z) - Spatiotemporal Cardiac Statistical Shape Modeling: A Data-Driven
Approach [0.0]
粒子ベース形状モデリング(PSM)は、個体群レベルの形状変化を捉えたデータ駆動型手法である。
本稿では,PSM法にインスパイアされたデータ駆動型手法を提案する。
論文 参考訳(メタデータ) (2022-09-06T18:00:45Z) - Low-Rank Constraints for Fast Inference in Structured Models [110.38427965904266]
この研究は、大規模構造化モデルの計算とメモリの複雑さを低減するための単純なアプローチを示す。
言語モデリング,ポリフォニック・ミュージック・モデリング,教師なし文法帰納法,ビデオ・モデリングのためのニューラルパラメータ構造モデルを用いた実験により,我々の手法は大規模状態空間における標準モデルの精度と一致することを示した。
論文 参考訳(メタデータ) (2022-01-08T00:47:50Z) - tFold-TR: Combining Deep Learning Enhanced Hybrid Potential Energy for
Template-Based Modelling Structure Refinement [53.98034511648985]
現在のテンプレートベースのモデリングアプローチは2つの重要な問題に苦しんでいる。
テンプレートの異なる領域からの距離対の精度は様々であり、この情報はモデリングにはあまり導入されていない。
2つのニューラルネットワークモデルは、欠落した領域の距離情報と、テンプレートモデリング構造における異なる領域の距離ペアの精度を予測する。
論文 参考訳(メタデータ) (2021-05-10T13:32:12Z) - Equivalence of Segmental and Neural Transducer Modeling: A Proof of
Concept [56.46135010588918]
RNN-Transducerモデルとセグメントモデル(直接HMM)の広く使われているクラスが等価であることを証明する。
空白確率はセグメント長確率に変換され,その逆も示された。
論文 参考訳(メタデータ) (2021-04-13T11:20:48Z) - Discriminative and Generative Models for Anatomical Shape Analysison
Point Clouds with Deep Neural Networks [3.7814216736076434]
与えられたタスクから低次元の形状表現を学習する解剖学的形状の解析のためのディープニューラルネットワークを導入する。
我々のフレームワークはモジュール構造であり、基本的な形状処理タスクを実行するいくつかの計算ブロックで構成されています。
本稿では, 疾患分類と年齢回帰の判別モデルと, 形状復元のための生成モデルを提案する。
論文 参考訳(メタデータ) (2020-10-02T07:37:40Z) - Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。
このようなモデルをリアルタイム診断に利用しています。
論文 参考訳(メタデータ) (2020-03-04T00:44:57Z)
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。