論文の概要: A Topology-Attention ConvLSTM Network and Its Application to EM Images

• arxiv url: http://arxiv.org/abs/2202.03430v1
• Date: Mon, 7 Feb 2022 01:33:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-09 16:28:03.275621
• Title: A Topology-Attention ConvLSTM Network and Its Application to EM Images
• Title（参考訳）: トポロジーアテンションconvlstmネットワークとそのem画像への応用
• Authors: Jiaqi Yang, Xiaoling Hu, Chao Chen, and Chialing Tsai
• Abstract要約: 本稿では3次元画像分割のための新しいTopologyAttention ConvLSTM Network(TACNet)を提案する。 具体的には,2次元画像スライスをスタックとして3次元画像を処理するSTA(Spatial Topology-Attention)モジュールを提案する。 スライス間でトポロジクリティカルな情報を効果的に伝達するために,Iterative-Topology Attention (ITA)モジュールを提案する。
• 参考スコア（独自算出の注目度）: 11.081936935096873
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Structural accuracy of segmentation is important for finescale structures in biomedical images. We propose a novel TopologyAttention ConvLSTM Network (TACNet) for 3D image segmentation in order to achieve high structural accuracy for 3D segmentation tasks. Specifically, we propose a Spatial Topology-Attention (STA) module to process a 3D image as a stack of 2D image slices and adopt ConvLSTM to leverage contextual structure information from adjacent slices. In order to effectively transfer topology-critical information across slices, we propose an Iterative-Topology Attention (ITA) module that provides a more stable topology-critical map for segmentation. Quantitative and qualitative results show that our proposed method outperforms various baselines in terms of topology-aware evaluation metrics.
• Abstract（参考訳）: セグメンテーションの構造的精度は生体画像の微細な構造に重要である。 本研究では,3次元画像分割作業における高構造精度を実現するために,新しい3次元画像分割のためのTopologyAttention ConvLSTM Network (TACNet)を提案する。 具体的には,2次元画像スライスのスタックとして3次元画像を処理する空間トポロジーアテンション(sta)モジュールを提案し,隣接スライスからの文脈構造情報を活用するためにconvlstmを採用する。 スライス間でトポロジクリティカル情報を効果的に伝達するために,より安定したセグメンテーションのためのトポロジクリティカルマップを提供するIterative-Topology Attention (ITA)モジュールを提案する。 定量的および定性的な結果から,提案手法はトポロジ対応評価指標の点から,様々なベースラインよりも優れていることが示された。

関連論文リスト

• Large Spatial Model: End-to-end Unposed Images to Semantic 3D [79.94479633598102]
  大空間モデル(LSM)は、RGB画像を直接意味的放射場に処理する。 LSMは、単一のフィードフォワード操作における幾何学、外観、意味を同時に推定する。 新しい視点で言語と対話することで、多目的ラベルマップを生成することができる。
  論文  参考訳（メタデータ） (2024-10-24T17:54:42Z)
• Enforcing 3D Topological Constraints in Composite Objects via Implicit Functions [60.56741715207466]
  医学的応用は心臓や脊椎などの複数の部分を持つ複雑な臓器の正確な3D表現を必要とすることが多い。 本稿では,深い暗黙的符号付き距離関数を用いた3次元物体再構成におけるトポロジ的制約を強制する新しい手法を提案する。 そこで本研究では,3次元形状間のトポロジ的制約を効果的に検証・実施するサンプリングベース手法を提案する。
  論文  参考訳（メタデータ） (2023-07-16T10:07:15Z)
• DCN-T: Dual Context Network with Transformer for Hyperspectral Image Classification [109.09061514799413]
  複雑な撮像条件による空間変動のため,HSI分類は困難である。 本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。 提案手法は,HSI分類における最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-19T18:32:52Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Multi-organ Segmentation Network with Adversarial Performance Validator [10.775440368500416]
  本稿では,2次元から3次元のセグメンテーションフレームワークに対向的な性能検証ネットワークを導入する。 提案したネットワークは, 2次元粗い結果から3次元高品質なセグメンテーションマスクへの変換を行い, 共同最適化によりセグメンテーション精度が向上する。 NIH膵分節データセットの実験では、提案したネットワークが小臓器分節の最先端の精度を達成し、過去の最高性能を上回った。
  論文  参考訳（メタデータ） (2022-04-16T18:00:29Z)
• TC-Net: Triple Context Network for Automated Stroke Lesion Segmentation [0.5482532589225552]
  本稿では,空間的コンテキスト情報を中心として,新たなネットワークである Triple Context Network (TC-Net) を提案する。 我々のネットワークはオープンデータセットATLASで評価され、最高スコアは0.594、ハウスドルフ距離は27.005mm、平均対称性表面距離は7.137mmである。
  論文  参考訳（メタデータ） (2022-02-28T11:12:16Z)
• Topology-Preserving Segmentation Network: A Deep Learning Segmentation Framework for Connected Component [7.95119530218428]
  医用画像では、腎臓や肺などの構造のトポロジーが通常知られている。 イットトポロジ保存セグメンテーションネットワーク(TPSN)をトレーニングし、正確なセグメンテーション結果を与える。 TPSNは、UNetを通して変形マップを生成する変形ベースのモデルである。 本稿では,画像のマルチレベル情報を組み込んだマルチスケールTPSNを開発し,より正確なセグメンテーション結果を生成する。
  論文  参考訳（メタデータ） (2022-02-27T09:56:33Z)
• Image Segmentation with Homotopy Warping [10.093435601073484]
  位相的正しさは、微細な構造を持つ画像のセグメンテーションに不可欠である。 ディジタルトポロジの理論を活用することで、トポロジにとって重要な画像中の位置を特定する。 本稿では,位相的精度を向上させるために,深部画像分割ネットワークをトレーニングするための新たなホモトピーワーピング損失を提案する。
  論文  参考訳（メタデータ） (2021-12-15T00:33:15Z)
• SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform [49.51977253452456]
  入力形状の媒体軸変換(MAT)に基づく3次元形状分割の効率的な方法を提案する。 具体的には、MATに符号化された豊富な幾何学的および構造的情報により、3次元形状の異なる部分間の様々な種類の接合を識別することができる。 本手法は, セグメンテーション品質の点で最先端の手法より優れ, 桁違いに高速である。
  論文  参考訳（メタデータ） (2020-10-22T07:15:23Z)

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。