Fugu-MT 論文翻訳(概要): 3D Medical Point Transformer: Introducing Convolution to Attention Networks for Medical Point Cloud Analysis

論文の概要: 3D Medical Point Transformer: Introducing Convolution to Attention Networks for Medical Point Cloud Analysis

arxiv url: http://arxiv.org/abs/2112.04863v1
Date: Thu, 9 Dec 2021 12:31:28 GMT
ステータス: 処理完了
システム内更新日: 2021-12-10 15:23:06.724128
Title: 3D Medical Point Transformer: Introducing Convolution to Attention Networks for Medical Point Cloud Analysis
Title（参考訳）: 3次元医療ポイントトランスフォーマー:医療ポイントクラウド解析のためのアテンションネットワークへの畳み込みの導入
Authors: Jianhui Yu, Chaoyi Zhang, Heng Wang, Dingxin Zhang, Yang Song, Tiange Xiang, Dongnan Liu, Weidong Cai
Abstract要約: 医療点雲,すなわち3次元医療点変換器(DMedPT)のための注意モデルを提案する。コンテクスト情報の拡大とクエリでのローカルレスポンスの要約により、我々のアテンションモジュールは、ローカルコンテキストとグローバルコンテンツ機能インタラクションの両方をキャプチャできる。 IntrAデータセットを用いて行った実験は、3DMedPTの優位性を証明し、最も優れた分類とセグメンテーション結果を得る。
参考スコア（独自算出の注目度）: 21.934221178688116
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: General point clouds have been increasingly investigated for different tasks, and recently Transformer-based networks are proposed for point cloud analysis. However, there are barely related works for medical point clouds, which are important for disease detection and treatment. In this work, we propose an attention-based model specifically for medical point clouds, namely 3D medical point Transformer (3DMedPT), to examine the complex biological structures. By augmenting contextual information and summarizing local responses at query, our attention module can capture both local context and global content feature interactions. However, the insufficient training samples of medical data may lead to poor feature learning, so we apply position embeddings to learn accurate local geometry and Multi-Graph Reasoning (MGR) to examine global knowledge propagation over channel graphs to enrich feature representations. Experiments conducted on IntrA dataset proves the superiority of 3DMedPT, where we achieve the best classification and segmentation results. Furthermore, the promising generalization ability of our method is validated on general 3D point cloud benchmarks: ModelNet40 and ShapeNetPart. Code will be released soon.
Abstract（参考訳）: 一般的なポイントクラウドは様々なタスクで研究され、最近はポイントクラウド分析のためにトランスフォーマーベースのネットワークが提案されている。しかし、病気の検出や治療に重要な医療用点雲については、ほとんど関連しない研究がある。本研究では, 複雑な生体構造を調べるため, 3次元医療用ポイントトランスフォーマ(3dmedpt)という, 医療用ポイントクラウドに特化した注意に基づくモデルを提案する。クエリでコンテキスト情報を強化し,局所的な応答を要約することで,ローカルコンテキストとグローバルコンテンツの機能インタラクションをキャプチャできる。しかし, 医用データのトレーニングサンプルが不十分で特徴学習が不十分なため, 位置埋め込みを用いて正確な局所幾何学を学習し, マルチグラフ推論(MGR)を行い, チャネルグラフ上のグローバルな知識伝播を調べ, 特徴表現を豊かにする。 IntrAデータセットを用いて行った実験は、3DMedPTの優位性を証明し、最も優れた分類とセグメンテーション結果を得る。さらに,本手法の有望な一般化能力は,ModelNet40とShapeNetPartの3Dポイントクラウドベンチマークで検証した。コードはまもなくリリースされる。

関連論文リスト

Multi-objective point cloud autoencoders for explainable myocardial infarction prediction [4.65840670565844]
心筋梗塞は世界で最も多い死因の1つである。画像ベースのバイオマーカーは、心臓の3D解剖においてより複雑なパターンを捉えることができない。本稿では,多目的クラウドオートエンコーダについて,説明可能な梗塞予測のための新しい幾何学的深層学習手法として紹介する。
論文参考訳（メタデータ） (2023-07-20T16:45:16Z)
Collect-and-Distribute Transformer for 3D Point Cloud Analysis [82.03517861433849]
本稿では,点雲の短距離・長距離コンテキストを通信するための収集・分散機構を備えた新しい変圧器ネットワークを提案する。その結果,提案したCDFormerの有効性が示され,ポイントクラウドの分類とセグメンテーションタスクにおける最先端のパフォーマンスがいくつか提供された。
論文参考訳（メタデータ） (2023-06-02T03:48:45Z)
AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
論文参考訳（メタデータ） (2022-08-24T16:54:38Z)
Point-Unet: A Context-aware Point-based Neural Network for Volumetric Segmentation [18.81644604997336]
本稿では,3次元点雲による深層学習の効率をボリュームセグメンテーションに組み込む新しい手法であるPoint-Unetを提案する。私たちのキーとなるアイデアは、まず注意確率マップを学習することで、ボリュームに対する関心領域を予測することです。異なるメトリクスに関する包括的なベンチマークでは、私たちのコンテキスト認識のPoint-UnetがSOTAのボクセルベースネットワークより優れていることが示されている。
論文参考訳（メタデータ） (2022-03-16T22:02:08Z)
Feature Aggregation and Refinement Network for 2D AnatomicalLandmark Detection [0.0]
本稿では,解剖学的ランドマークの自動検出のための,特徴集約・改善ネットワーク(FARNet)を提案する。我々のネットワークは3つの公開解剖学的ランドマーク検出データセットで評価されている。
論文参考訳（メタデータ） (2021-11-01T02:16:13Z)
PnP-3D: A Plug-and-Play for 3D Point Clouds [38.05362492645094]
本稿では,既存ネットワークのポイントクラウドデータ解析における有効性を改善するために,プラグイン・アンド・プレイモジュール -3D を提案する。アプローチを徹底的に評価するために,3つの標準的なクラウド分析タスクについて実験を行った。本研究は,最先端の成果の達成に加えて,我々のアプローチのメリットを実証する包括的研究を提案する。
論文参考訳（メタデータ） (2021-08-16T23:59:43Z)
Point Discriminative Learning for Unsupervised Representation Learning on 3D Point Clouds [54.31515001741987]
3次元点雲上での教師なし表現学習のための点識別学習法を提案する。我々は、中間レベルとグローバルレベルの特徴に新しい点識別損失を課すことにより、これを達成した。提案手法は強力な表現を学習し,新しい最先端性能を実現する。
論文参考訳（メタデータ） (2021-08-04T15:11:48Z)
PC-RGNN: Point Cloud Completion and Graph Neural Network for 3D Object Detection [57.49788100647103]
LiDARベースの3Dオブジェクト検出は、自動運転にとって重要なタスクです。現在のアプローチでは、遠方および閉ざされた物体の偏りと部分的な点雲に苦しむ。本稿では,この課題を2つの解決法で解決する新しい二段階アプローチ,pc-rgnnを提案する。
論文参考訳（メタデータ） (2020-12-18T18:06:43Z)
Domain Generalization for Medical Imaging Classification with Linear-Dependency Regularization [59.5104563755095]
本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
論文参考訳（メタデータ） (2020-09-27T12:30:30Z)
Airborne LiDAR Point Cloud Classification with Graph Attention Convolution Neural Network [5.69168146446103]
本稿では,空飛ぶLiDARにより得られる非構造化3次元点雲の分類に直接適用可能なグラフ注意畳み込みニューラルネットワーク(GACNN)を提案する。提案するグラフアテンション・コンボリューション・モジュールに基づいて,GACNNと呼ばれるエンド・ツー・エンドのエンコーダ・デコーダネットワークを設計し,ポイント・クラウドのマルチスケールな特徴を捉える。 ISPRS 3Dラベリングデータセットの実験では、提案モデルが平均F1スコア(71.5%)と全精度(83.2%)で新しい最先端性能を達成することが示された。
論文参考訳（メタデータ） (2020-04-20T05:12:31Z)
Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。 3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
論文参考訳（メタデータ） (2020-04-17T11:55:03Z)

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。