論文の概要: Real-time multimodal image registration with partial intraoperative point-set data

• arxiv url: http://arxiv.org/abs/2109.05023v1
• Date: Fri, 10 Sep 2021 10:21:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-19 00:54:28.379095
• Title: Real-time multimodal image registration with partial intraoperative point-set data
• Title（参考訳）: 部分的術中点集合データを用いたリアルタイムマルチモーダル画像登録
• Authors: Zachary M C Baum, Yipeng Hu, Dean C Barratt
• Abstract要約: Free Point Transformer (FPT) は、非厳格な点集合登録のためのディープニューラルネットワークアーキテクチャである。 本稿では,前立腺磁気共鳴(MR)画像の非剛性登録と,スパルスサンプリング経直腸超音波(TRUS)画像へのFPTの適用を実証する。
• 参考スコア（独自算出の注目度）: 0.5625255382226245
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Free Point Transformer (FPT) - a deep neural network architecture for non-rigid point-set registration. Consisting of two modules, a global feature extraction module and a point transformation module, FPT does not assume explicit constraints based on point vicinity, thereby overcoming a common requirement of previous learning-based point-set registration methods. FPT is designed to accept unordered and unstructured point-sets with a variable number of points and uses a "model-free" approach without heuristic constraints. Training FPT is flexible and involves minimizing an intuitive unsupervised loss function, but supervised, semi-supervised, and partially- or weakly-supervised training are also supported. This flexibility makes FPT amenable to multimodal image registration problems where the ground-truth deformations are difficult or impossible to measure. In this paper, we demonstrate the application of FPT to non-rigid registration of prostate magnetic resonance (MR) imaging and sparsely-sampled transrectal ultrasound (TRUS) images. The registration errors were 4.71 mm and 4.81 mm for complete TRUS imaging and sparsely-sampled TRUS imaging, respectively. The results indicate superior accuracy to the alternative rigid and non-rigid registration algorithms tested and substantially lower computation time. The rapid inference possible with FPT makes it particularly suitable for applications where real-time registration is beneficial.
• Abstract（参考訳）: 非厳密な点集合登録のためのディープニューラルネットワークアーキテクチャであるFree Point Transformer (FPT)を提案する。 グローバルな特徴抽出モジュールと点変換モジュールの2つのモジュールから構成されており、FPTは点近傍に基づく明示的な制約を前提とせず、従来の学習ベースの点集合登録手法の共通要件を克服する。 FPTは、可変数の点を持つ無順序および非構造化の点集合を受け入れるように設計されており、ヒューリスティックな制約を伴わずに「モデルフリー」アプローチを使用する。 トレーニングFPTは柔軟で、直感的に教師なしの損失関数を最小化するが、教師付き、半教師付き、一部または弱い教師付きトレーニングもサポートされている。 この柔軟性により、FPTは、地軸変形が困難または測定不可能なマルチモーダル画像登録問題に対処できる。 本稿では,前立腺磁気共鳴(MR)画像の非剛性登録と,スパルスサンプリング経直腸超音波(TRUS)画像へのFPTの適用を実証する。 登録誤差はそれぞれ4.71mmと4.81mmで、完全なTRUS画像と疎サンプリングTRUS画像が得られた。 実験結果から,非剛性および非剛性登録アルゴリズムの精度が向上し,計算時間が大幅に短縮された。 FPTで可能な迅速な推論は、リアルタイム登録が有用であるアプリケーションに特に適している。

関連論文リスト

• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Misalignment-Robust Frequency Distribution Loss for Image Transformation [51.0462138717502]
  本稿では,画像強調や超解像といった深層学習に基づく画像変換手法における共通の課題に対処することを目的とする。 本稿では、周波数領域内における分布距離を計算するための、新しいシンプルな周波数分布損失(FDL)を提案する。 本手法は,周波数領域におけるグローバル情報の思慮深い活用により,トレーニング制約として実証的に有効であることが実証された。
  論文  参考訳（メタデータ） (2024-02-28T09:27:41Z)
• Single-shot Phase Retrieval from a Fractional Fourier Transform Perspective [12.490990352972695]
  分数フーリエ変換の観点から,新しい単発位相探索パラダイムを提案する。 FrFT領域の強度測定は位相検索のあいまいさを軽減するのに非常に有効である。 提案する自己教師型再構成手法は,FrFTの高速離散アルゴリズムを,未学習のニューラルネットワークの先行アルゴリズムと併用する。
  論文  参考訳（メタデータ） (2023-11-18T03:11:31Z)
• Improving Misaligned Multi-modality Image Fusion with One-stage Progressive Dense Registration [67.23451452670282]
  多モード画像間の相違は、画像融合の課題を引き起こす。 マルチスケールプログレッシブ・センス・レジストレーション方式を提案する。 このスキームは、一段階最適化のみで粗大な登録を行う。
  論文  参考訳（メタデータ） (2023-08-22T03:46:24Z)
• Approximated Prompt Tuning for Vision-Language Pre-trained Models [54.326232586461614]
  視覚言語による事前学習モデルでは、事前学習タスクと下流タスクのギャップを埋めるために、しばしば多くの学習可能なトークンを必要とする。 本稿では,効率的なVL転送学習を実現するために,APT(Approximated Prompt Tuning)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-27T05:43:47Z)
• Learning Generalized Non-Rigid Multimodal Biomedical Image Registration from Generic Point Set Data [0.30544323433686693]
  Free Point Transformer (FPT) は,深層ニューラルネットワークを用いたデータ駆動型非剛性点集合登録手法として提案されている。 本研究は、医用画像データセットから医用画像データセットへのFPTの一般化可能性について検討する。
  論文  参考訳（メタデータ） (2022-07-22T10:27:54Z)
• FCL-GAN: A Lightweight and Real-Time Baseline for Unsupervised Blind Image Deblurring [72.43250555622254]
  本稿では,周波数領域の競合損失制約型軽量サイクルGANと呼ばれる,軽量でリアルタイムな非教師付きBIDベースラインを提案する。 FCL-GANは、画像領域制限がなく、画像解像度制限がなく、SOTAより25倍軽く、SOTAより5倍高速である。 いくつかの画像データセットの実験では、性能、モデルサイズ、参照時間の観点からFCL-GANの有効性が示されている。
  論文  参考訳（メタデータ） (2022-04-16T15:08:03Z)
• Unit-Modulus Wireless Federated Learning Via Penalty Alternating Minimization [64.76619508293966]
  Wireless Federated Learning(FL)は、分散データセットから無線通信を介してグローバルパラメトリックモデルをトレーニングする、新興機械学習パラダイムである。 本稿では、ローカルモデルパラメータをアップロードし、無線通信を介してグローバルモデルパラメータを算出する無線FLフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-31T08:19:54Z)
• Conditional Deformable Image Registration with Convolutional Neural Network [15.83842747998493]
  深部変形可能な画像登録のための条件付き画像登録手法と自己教師付き学習パラダイムを提案する。 提案手法は, 実行時の優位性や登録精度を犠牲にすることなく, 変形場の滑らかさを正確に制御することができる。
  論文  参考訳（メタデータ） (2021-06-23T22:25:28Z)
• Multimodality Biomedical Image Registration using Free Point Transformer Networks [0.37501702548174964]
  本稿では,新しい自由点変換器(FPT)ネットワークに基づく点集合登録アルゴリズムについて述べる。 FPTは、大域的特徴抽出器で構築され、未順序のソースと可変サイズのターゲットポイントセットを受け入れる。 前立腺MRIとスパース取得超音波画像を用いたマルチモーダル登録タスクにおいて、FPTは同等または改善された結果を得る。
  論文  参考訳（メタデータ） (2020-08-05T00:13:04Z)

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。