論文の概要: Controllable cardiac synthesis via disentangled anatomy arithmetic

• arxiv url: http://arxiv.org/abs/2107.01748v1
• Date: Sun, 4 Jul 2021 23:13:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-06 14:49:10.276935
• Title: Controllable cardiac synthesis via disentangled anatomy arithmetic
• Title（参考訳）: 不整合解剖演算による可制御性心合成
• Authors: Spyridon Thermos, Xiao Liu, Alison O'Neil, Sotirios A. Tsaftaris
• Abstract要約: 異方性解剖学算術」という枠組みを提案する。 生成モデルは、異なる入力画像の解剖学的要因と所望の撮像モダリティを組み合わせることを学習する。 我々のモデルは、リアルなイメージ、病理ラベル、セグメンテーションマスクを生成するために使用される。
• 参考スコア（独自算出の注目度）: 15.351113774542839
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Acquiring annotated data at scale with rare diseases or conditions remains a challenge. It would be extremely useful to have a method that controllably synthesizes images that can correct such underrepresentation. Assuming a proper latent representation, the idea of a "latent vector arithmetic" could offer the means of achieving such synthesis. A proper representation must encode the fidelity of the input data, preserve invariance and equivariance, and permit arithmetic operations. Motivated by the ability to disentangle images into spatial anatomy (tensor) factors and accompanying imaging (vector) representations, we propose a framework termed "disentangled anatomy arithmetic", in which a generative model learns to combine anatomical factors of different input images such that when they are re-entangled with the desired imaging modality (e.g. MRI), plausible new cardiac images are created with the target characteristics. To encourage a realistic combination of anatomy factors after the arithmetic step, we propose a localized noise injection network that precedes the generator. Our model is used to generate realistic images, pathology labels, and segmentation masks that are used to augment the existing datasets and subsequently improve post-hoc classification and segmentation tasks. Code is publicly available at https://github.com/vios-s/DAA-GAN.
• Abstract（参考訳）: まれな疾患や状況を伴う大規模に注釈付きデータを取得することは課題である。 このような過小表現を補正できるイメージを制御的に合成する手法を持つことは極めて有用だろう。 適切な潜在表現を仮定すると、「潜在ベクトル算術」の概念はそのような合成を達成する手段を提供する。 適切な表現は入力データの忠実性を符号化し、不変性と等価性を保ち、算術演算を許可しなければならない。 画像が空間解剖(テンソル)因子に切り離されたり、画像(ベクトル)表現に付随したりする能力によって、生成モデルは、所望の撮像モダリティ(例えば、)に再絡み合うように、異なる入力画像の解剖的要素を組み合わせることを学習する「異方解剖算術」と呼ばれるフレームワークを提案する。 MRI) を対象とし, プラウシブルな新しい心臓画像を作成する。 算術ステップ後の解剖要因の現実的な組み合わせを促進するため,生成器に先行する局所ノイズ注入ネットワークを提案する。 我々のモデルは、既存のデータセットを増強し、その後、ポストホック分類とセグメンテーションタスクを改善するために使用されるリアルなイメージ、病理ラベル、セグメンテーションマスクを生成するために使用される。 コードはhttps://github.com/vios-s/DAA-GANで公開されている。

関連論文リスト

• COIN: Counterfactual inpainting for weakly supervised semantic segmentation for medical images [3.5418498524791766]
  本研究は, 新規なカウンターファクト・インパインティング・アプローチ(COIN)の開発である。 COINは、予測された分類ラベルを生成モデルを用いて異常から正常に反転させる。 本手法の有効性は,エストニアのタルツ大学病院から取得したCT画像から,合成標的と実際の腎腫瘍を分離することによって実証される。
  論文  参考訳（メタデータ） (2024-04-19T12:09:49Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Anatomy-aware and acquisition-agnostic joint registration with SynthMorph [6.017634371712142]
  アフィン画像登録は、医用画像解析の基盤となっている。 ディープラーニング(DL)メソッドは、画像対を出力変換にマッピングする関数を学ぶ。 ほとんどのアフィン法は、ユーザが調整したい解剖学に依存しない。つまり、アルゴリズムが画像のすべての構造を考慮すれば、登録は不正確なものになる。 われわれはこれらの欠点をSynthMorphで解決する。これは高速で対称で、微分型で使い易いDLツールで、任意の脳画像の関節アフィン変形性登録を行う。
  論文  参考訳（メタデータ） (2023-01-26T18:59:33Z)
• Traditional Classification Neural Networks are Good Generators: They are Competitive with DDPMs and GANs [104.72108627191041]
  従来のニューラルネットワーク分類器は、最先端の生成モデルに匹敵する高品質な画像を生成することができることを示す。 マスクをベースとした再構成モジュールを提案し, 意味的勾配を意識し, 可視画像の合成を行う。 また,本手法は,画像テキスト基盤モデルに関して,テキスト・画像生成にも適用可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-27T11:25:35Z)
• A Shared Representation for Photorealistic Driving Simulators [83.5985178314263]
  本稿では、識別器アーキテクチャを再考することにより、生成画像の品質を向上させることを提案する。 シーンセグメンテーションマップや人体ポーズといったセマンティックインプットによって画像が生成されるという問題に焦点が当てられている。 我々は,意味的セグメンテーション,コンテンツ再構成,および粗い粒度の逆解析を行うのに十分な情報をエンコードする,共有潜在表現を学習することを目指している。
  論文  参考訳（メタデータ） (2021-12-09T18:59:21Z)
• Mutually improved endoscopic image synthesis and landmark detection in unpaired image-to-image translation [0.9322743017642274]
  CycleGANフレームワークは、教師なしデータのイメージ間変換を可能にする。 外科手術シミュレータにおける手術訓練のシナリオでは、この方法でファントムの内視鏡像を、同じ外科的標的構造の術中外観に近い画像に変換することができる。 スパースランドマークラベルに定義されたタスクは、両方のドメインにおけるジェネレータネットワークによる合成の一貫性を向上させる。
  論文  参考訳（メタデータ） (2021-07-14T19:09:50Z)
• Ensembling with Deep Generative Views [72.70801582346344]
  生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。 そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
  論文  参考訳（メタデータ） (2021-04-29T17:58:35Z)
• Uncertainty Quantification using Variational Inference for Biomedical Image Segmentation [0.0]
  我々は,脳腫瘍画像のセグメント化のための変分推論技術に基づくエンコーダデコーダアーキテクチャを用いる。 Dice similarity Coefficient (DSC) と Intersection Over Union (IOU) を指標として, 公開されているBRATSデータセットの評価を行った。
  論文  参考訳（メタデータ） (2020-08-12T20:08:04Z)
• 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)
• Towards Unsupervised Learning for Instrument Segmentation in Robotic Surgery with Cycle-Consistent Adversarial Networks [54.00217496410142]
  本稿では、入力された内視鏡画像と対応するアノテーションとのマッピングを学習することを目的として、未ペア画像から画像への変換を提案する。 当社のアプローチでは,高価なアノテーションを取得することなく,イメージセグメンテーションモデルをトレーニングすることが可能です。 提案手法をEndovis 2017チャレンジデータセットで検証し,教師付きセグメンテーション手法と競合することを示す。
  論文  参考訳（メタデータ） (2020-07-09T01:39:39Z)

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。