論文の概要: BezierSeg: Parametric Shape Representation for Fast Object Segmentation
in Medical Images
- arxiv url: http://arxiv.org/abs/2108.00760v1
- Date: Mon, 2 Aug 2021 10:10:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-03 15:37:18.734266
- Title: BezierSeg: Parametric Shape Representation for Fast Object Segmentation
in Medical Images
- Title（参考訳）: BezierSeg:医療画像における高速物体分割のためのパラメトリック形状表現
- Authors: Haichou Chen, Yishu Deng, Bin Li, Zeqin Li, Haohua Chen, Bingzhong
Jing and Chaofeng Li
- Abstract要約: 関心領域を含むベジエ曲線を出力するベジエセグモデルを提案する。
輪郭を直接解析方程式でモデル化することで、セグメンテーションが連結され、連続し、境界が滑らかであることを保証する。
実験により,提案手法はリアルタイムに動作し,画素ワイドセグメンテーションモデルと競合する精度を実現する。
- 参考スコア（独自算出の注目度）: 4.155973181136616
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Delineating the lesion area is an important task in image-based diagnosis.
Pixel-wise classification is a popular approach to segmenting the region of
interest. However, at fuzzy boundaries such methods usually result in glitches,
discontinuity, or disconnection, inconsistent with the fact that lesions are
solid and smooth. To overcome these undesirable artifacts, we propose the
BezierSeg model which outputs bezier curves encompassing the region of
interest. Directly modelling the contour with analytic equations ensures that
the segmentation is connected, continuous, and the boundary is smooth. In
addition, it offers sub-pixel accuracy. Without loss of accuracy, the bezier
contour can be resampled and overlaid with images of any resolution. Moreover,
a doctor can conveniently adjust the curve's control points to refine the
result. Our experiments show that the proposed method runs in real time and
achieves accuracy competitive with pixel-wise segmentation models.
- Abstract（参考訳）: 病変領域の描出は画像診断において重要な課題である。
ピクセル単位の分類は、関心領域を分割する一般的なアプローチである。
しかし、ファジィ境界においては、そのような方法は通常、病変が固く滑らかであるという事実と矛盾するグリッチ、不連続または切断をもたらす。
これらの望ましくないアーチファクトを克服するために、関心領域を含むベジエ曲線を出力するBezierSegモデルを提案する。
輪郭を解析方程式で直接モデル化することで、セグメンテーションは連結で連続であり、境界は滑らかである。
さらに、サブピクセルの精度も提供する。
精度を損なうことなく、ベジエ輪郭を再サンプリングし、任意の解像度の画像でオーバーレイすることができる。
さらに、医師は曲線の制御ポイントを都合よく調整して結果を洗練することができる。
実験により,提案手法はリアルタイムに動作し,画素ワイドセグメンテーションモデルと競合する精度を実現する。
関連論文リスト
- Image-level Regression for Uncertainty-aware Retinal Image Segmentation [3.7141182051230914]
我々は,新たな不確実性認識変換(SAUNA)を導入する。
以上の結果から,SAUNA変換の統合とセグメント化損失は,異なるセグメンテーションモデルにおいて大きな性能向上をもたらすことが示唆された。
論文 参考訳（メタデータ） (2024-05-27T04:17:10Z) - RecDiffusion: Rectangling for Image Stitching with Diffusion Models [53.824503710254206]
画像縫合整形のための新しい拡散学習フレームワーク textbfRecDiffusion を提案する。
このフレームワークは運動拡散モデル(MDM)を組み合わせて運動場を生成し、縫合された画像の不規則な境界から幾何学的に修正された中間体へ効果的に遷移する。
論文 参考訳（メタデータ） (2024-03-28T06:22:45Z) - Pixel-Inconsistency Modeling for Image Manipulation Localization [59.968362815126326]
デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。
本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。
実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
論文 参考訳（メタデータ） (2023-09-30T02:54:51Z) - Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。
まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。
本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
論文 参考訳（メタデータ） (2023-02-16T10:40:55Z) - BoundarySqueeze: Image Segmentation as Boundary Squeezing [104.43159799559464]
本研究では,オブジェクトとシーンの微細な高画質画像分割のための新しい手法を提案する。
形態素画像処理技術による拡張と浸食に着想を得て,画素レベルのセグメンテーション問題をスクイーズ対象境界として扱う。
提案手法は,COCO,Cityscapesのインスタンス・セグメンテーション・セグメンテーション・セグメンテーションにおいて大きく向上し,同一条件下での精度・速度ともに従来のPointRendよりも優れていた。
論文 参考訳（メタデータ） (2021-05-25T04:58:51Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳（メタデータ） (2020-10-19T13:56:22Z) - Superpixel-Guided Label Softening for Medical Image Segmentation [31.989873877526424]
医用画像分割のためのスーパーピクセルベースのラベルソフト化を提案する。
本手法は, 3次元および2次元の医用画像に対して, ベースラインと比較法に対して総合的に優れたセグメンテーション性能が得られることを示す。
論文 参考訳（メタデータ） (2020-07-17T10:55:59Z) - SegFix: Model-Agnostic Boundary Refinement for Segmentation [75.58050758615316]
既存のセグメンテーションモデルによって生成されるセグメンテーション結果の境界品質を改善するためのモデルに依存しない後処理方式を提案する。
内部画素のラベル予測がより信頼性が高いという実証的な観察により、我々は、内部画素の予測によって、もともと信頼できない境界画素の予測を置き換えることを提案する。
論文 参考訳（メタデータ） (2020-07-08T17:08:08Z) - A Spatially Constrained Deep Convolutional Neural Network for Nerve
Fiber Segmentation in Corneal Confocal Microscopic Images using Inaccurate
Annotations [10.761046991755311]
本研究では,スムーズかつロバストな画像分割を実現するために,空間拘束型深部畳み込みニューラルネットワーク(DCNN)を提案する。
提案手法は神経線維分節に対する角膜共焦点顕微鏡(CCM)画像に基づいて評価された。
論文 参考訳（メタデータ） (2020-04-20T16:56:13Z) - Unsupervised Community Detection with a Potts Model Hamiltonian, an
Efficient Algorithmic Solution, and Applications in Digital Pathology [1.6506888719932784]
本稿では,各色特徴に基づく入力画像画素の高速な統計的ダウンサンプリングと,セグメント関係を考慮したポッツモデルエネルギーの最小化手法を提案する。
特に腎疾患における腎糸球体微小環境のセグメンテーションにおいて,医用顕微鏡画像のセグメンテーションに本法の応用を実証した。
論文 参考訳（メタデータ） (2020-02-05T01:20:28Z)
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。