Fugu-MT 論文翻訳(概要): MixMicrobleed: Multi-stage detection and segmentation of cerebral microbleeds

論文の概要: MixMicrobleed: Multi-stage detection and segmentation of cerebral microbleeds

arxiv url: http://arxiv.org/abs/2108.02482v1
Date: Thu, 5 Aug 2021 09:41:08 GMT
ステータス: 処理完了
システム内更新日: 2021-08-06 20:34:52.416848
Title: MixMicrobleed: Multi-stage detection and segmentation of cerebral microbleeds
Title（参考訳）: Mix Microbleed:脳微小血の多段階検出とセグメンテーション
Authors: Marta Girones Sanguesa, Denis Kutnar, Bas H.M. van der Velden, Hugo J. Kuijf
Abstract要約: 脳微小出血は小さく、暗く、丸い病変であり、T2*強調MRIで観察できる。マイクロブロード検出とセグメンテーションの両方に対するマルチステージアプローチを提案する。
参考スコア（独自算出の注目度）: 0.08156494881838945
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Cerebral microbleeds are small, dark, round lesions that can be visualised on T2*-weighted MRI or other sequences sensitive to susceptibility effects. In this work, we propose a multi-stage approach to both microbleed detection and segmentation. First, possible microbleed locations are detected with a Mask R-CNN technique. Second, at each possible microbleed location, a simple U-Net performs the final segmentation. This work used the 72 subjects as training data provided by the "Where is VALDO?" challenge of MICCAI 2021.
Abstract（参考訳）: 脳微小出血は小さく、暗く、丸い病変であり、T2*強調MRIや他の感受性に敏感な配列で可視化することができる。本研究では,マイクロブリード検出とセグメンテーションへの多段階アプローチを提案する。第1に、Mask R-CNN技術により、可能なマイクロ出血箇所を検出する。第二に、可能なマイクロブロードロケーションごとに、単純なU-Netが最終セグメンテーションを実行する。この研究は72名の被験者を「VALDOはどこにあるのか」というトレーニングデータとして用いた。 MICCAI 2021の挑戦。

関連論文リスト

SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
論文参考訳（メタデータ） (2024-11-14T17:06:00Z)
Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文参考訳（メタデータ） (2023-10-16T13:58:53Z)
A Deep Learning Framework for Spatiotemporal Ultrasound Localization Microscopy [4.779980560308821]
本研究は,高マイクロバブル濃度の超音波取得から高密度血管網を復元するDeep Learningアプローチを提案する。 2光子顕微鏡から分割した現実的なマウス脳微小血管ネットワークは、3次元畳み込みニューラルネットワークのトレーニングに使用された。 3D-CNNのアプローチは、データの一部とインビボでのラット脳獲得を用いて、シリコで検証された。
論文参考訳（メタデータ） (2023-10-12T08:58:01Z)
Improving Vision Anomaly Detection with the Guidance of Language Modality [64.53005837237754]
本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
論文参考訳（メタデータ） (2023-10-04T13:44:56Z)
MicroSegNet: A Deep Learning Approach for Prostate Segmentation on Micro-Ultrasound Images [10.10595151162924]
マイクロ超音波(micro-US)は、従来の超音波の3.4倍の高分解能を提供する新しい29MHz超音波技術である。前立腺のミクロ-USへの分節は、中線における前立腺、膀胱、尿道間の人工物と不明瞭な境界のために困難である。本稿では,これらの課題に対処するために設計されたマルチスケールアノテーション誘導変換器UNetモデルであるMicroSegNetを提案する。
論文参考訳（メタデータ） (2023-05-31T15:42:29Z)
Micron-BERT: BERT-based Facial Micro-Expression Recognition [15.367299107839418]
Micron-BERT (mu$-BERT) は、顔のマイクロ圧縮認識のための新しいアプローチである。提案手法は,これらの動きを自動的に教師なしで捉えることができる。 $mu$-BERTは、4つのマイクロ圧縮ベンチマークで最先端のパフォーマンスを一貫して上回る。
論文参考訳（メタデータ） (2023-04-06T16:19:09Z)
Three-dimensional microstructure generation using generative adversarial neural networks in the context of continuum micromechanics [77.34726150561087]
本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
論文参考訳（メタデータ） (2022-05-31T13:26:51Z)
Video-based Facial Micro-Expression Analysis: A Survey of Datasets, Features and Algorithms [52.58031087639394]
マイクロ表現は不随意かつ過渡的な表情である。嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
論文参考訳（メタデータ） (2022-01-30T05:14:13Z)
MixMicrobleedNet: segmentation of cerebral microbleeds using nnU-Net [0.10829694003408498]
脳微小血腫は、MRI(MRI)で視認できる小さな低濃度病変であり、勾配エコー、T2*、感受性強調画像(SWI)を呈する。本研究では,マイクロブラインドセグメンテーションのための完全自動化ツールとして,nnU-Netの利用について検討する。
論文参考訳（メタデータ） (2021-08-03T09:52:13Z)
Modality Completion via Gaussian Process Prior Variational Autoencoders for Multi-Modal Glioma Segmentation [75.58395328700821]
本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。 MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。 4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
論文参考訳（メタデータ） (2021-07-07T19:06:34Z)
DEEPMIR: A DEEP neural network for differential detection of cerebral Microbleeds and IRon deposits in MRI [3.0361336899303693]
脳小血腫(CMB)と基底核の非出血鉄鉱床は脳老化、血管疾患、神経変性疾患と関連している。我々は,CMBと鉄鉱床のセグメンテーションに適した深層学習に基づくセグメンテーション法を開発した。
論文参考訳（メタデータ） (2020-09-30T23:50:14Z)

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。