論文の概要: Local Intensity Order Transformation for Robust Curvilinear Object Segmentation

• arxiv url: http://arxiv.org/abs/2202.12587v1
• Date: Fri, 25 Feb 2022 10:04:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-28 16:14:15.551378
• Title: Local Intensity Order Transformation for Robust Curvilinear Object Segmentation
• Title（参考訳）: ロバストな曲線オブジェクトセグメンテーションのための局所強度次数変換
• Authors: Tianyi Shi, Nicolas Boutry, Yongchao Xu, Thierry G\'eraud
• Abstract要約: 血管疾患の早期発見のための網膜血管セグメンテーションや、道路条件の評価と維持のための舗装き裂セグメンテーションなど、多くの応用においてカービリナー構造が重要である。 現在、ディープラーニングベースの手法はこれらのタスクで素晴らしいパフォーマンスを実現している。 しかし、それらのほとんどは、強力な深層アーキテクチャを見つけることに重点を置いている。 本稿では,新しい局所強度次数変換を導入することにより,一般化性の向上を目指す。
• 参考スコア（独自算出の注目度）: 10.23426725727011
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Segmentation of curvilinear structures is important in many applications, such as retinal blood vessel segmentation for early detection of vessel diseases and pavement crack segmentation for road condition evaluation and maintenance. Currently, deep learning-based methods have achieved impressive performance on these tasks. Yet, most of them mainly focus on finding powerful deep architectures but ignore capturing the inherent curvilinear structure feature (e.g., the curvilinear structure is darker than the context) for a more robust representation. In consequence, the performance usually drops a lot on cross-datasets, which poses great challenges in practice. In this paper, we aim to improve the generalizability by introducing a novel local intensity order transformation (LIOT). Specifically, we transfer a gray-scale image into a contrast-invariant four-channel image based on the intensity order between each pixel and its nearby pixels along with the four (horizontal and vertical) directions. This results in a representation that preserves the inherent characteristic of the curvilinear structure while being robust to contrast changes. Cross-dataset evaluation on three retinal blood vessel segmentation datasets demonstrates that LIOT improves the generalizability of some state-of-the-art methods. Additionally, the cross-dataset evaluation between retinal blood vessel segmentation and pavement crack segmentation shows that LIOT is able to preserve the inherent characteristic of curvilinear structure with large appearance gaps. An implementation of the proposed method is available at https://github.com/TY-Shi/LIOT.
• Abstract（参考訳）: 曲線構造のセグメンテーションは,血管疾患早期発見のための網膜血管セグメンテーションや道路条件評価および維持のための舗装クラックセグメンテーションなど,多くの応用において重要である。 現在、ディープラーニングベースの手法はこれらのタスクで素晴らしいパフォーマンスを実現している。 しかし、その多くは強力な深層アーキテクチャを見つけることに集中しているが、より強固な表現のために固有の曲率構造の特徴(例えば、曲率構造は文脈よりも暗くなっている)を捉えることを無視している。 その結果、パフォーマンスは通常、クロスデータセットに多くを依存します。 本稿では,新しい局所強度秩序変換(LIOT)を導入することにより,一般化性の向上を目指す。 具体的には、4つの方向(水平方向と垂直方向)と各画素とその近傍画素間の強度オーダーに基づいて、グレースケール画像をコントラスト不変4チャンネル画像に変換する。 これにより、コントラスト変化に頑健なまま、曲率構造の本質的な特性を保存できる表現が得られる。 3つの網膜血管セグメンテーションデータセットのクロスデータセット評価は、LIOTがいくつかの最先端手法の一般化性を改善することを示した。 さらに, 網膜血管分節と舗装クラック分節の相互データセットによる評価により, LIOTは外見のギャップが大きいカービリナール構造の特性を維持できることが示された。 提案手法の実装はhttps://github.com/TY-Shi/LIOTで公開されている。

関連論文リスト

• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Self-supervised Semantic Segmentation: Consistency over Transformation [3.485615723221064]
  Inception Large Kernel Attention (I-LKA) モジュールをベースとしたロバストなフレームワークを統合した新しい自己教師型アルゴリズム textbfS$3$-Net を提案する。 我々は、変形可能な畳み込みを積分成分として利用し、優れた物体境界定義のための歪み変形を効果的に捕捉し、デライン化する。 皮膚病変および肺臓器の分節タスクに関する実験結果から,SOTA法と比較して,本手法の優れた性能を示した。
  論文  参考訳（メタデータ） (2023-08-31T21:28:46Z)
• SwIPE: Efficient and Robust Medical Image Segmentation with Implicit Patch Embeddings [12.79344668998054]
  正確な局所境界線とグローバルな形状コヒーレンスを実現するために,SwIPE(Segmentation with Implicit Patch Embeddings)を提案する。 その結果,最近の暗黙的アプローチよりもSwIPEは大幅に改善され,パラメータが10倍以上の最先端の離散手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-07-23T20:55:11Z)
• Joint Dense-Point Representation for Contour-Aware Graph Segmentation [2.138299283227551]
  本稿では,点と画素の輪郭表現を共同で学習することにより,グラフと高密度セグメンテーション技術を組み合わせた新しい手法を提案する。 これは、不整合目的がネットワークを識別的・輪郭的特徴の学習から制限する典型的なグラフ分割法における欠陥に対処する。 提案手法はいくつかのケストX線データセットで検証され,セグメンテーション安定性と精度の明確な改善が示された。
  論文  参考訳（メタデータ） (2023-06-21T10:07:17Z)
• Curvilinear object segmentation in medical images based on ODoS filter and deep learning network [4.079913459433454]
  本稿では,スティック(ODoS)フィルタの指向微分と深層学習ネットワークに基づく曲線構造セグメンテーションフレームワークを提案する。 提案したモデルでは、いくつかの最先端手法と比較して驚くべき結果が得られる。
  論文  参考訳（メタデータ） (2023-01-18T12:41:12Z)
• 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)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Using the Polar Transform for Efficient Deep Learning-Based Aorta Segmentation in CTA Images [0.0]
  医用画像のセグメンテーションでは、1つの画像上に複数の楕円体をセグメンテーションする必要があることが多い。 本稿では,ニューラルネットワークのセマンティックセグメンテーション性能を改善するための一般的なアプローチを提案する。 提案手法は,技術状況に応じてセグメンテーションを達成しつつ,ロバスト性や画素レベルのリコールを改善する。
  論文  参考訳（メタデータ） (2022-06-21T12:18:02Z)
• Cross-SRN: Structure-Preserving Super-Resolution Network with Cross Convolution [64.76159006851151]
  低解像度 (LR) 画像から高解像度 (SR) 画像への復元は, 正確かつ明確である。 既存のディープラーニングは、画像の固有の構造情報をほとんど無視する。 構造情報の探索と保存を行う階層的特徴利用ネットワークを設計する。
  論文  参考訳（メタデータ） (2022-01-05T05:15:01Z)
• SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
  単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。 我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。 複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-04-07T19:27:17Z)
• Generalize Ultrasound Image Segmentation via Instant and Plug & Play Style Transfer [65.71330448991166]
  ディープセグメンテーションモデルは、外観が不明な画像に一般化する。 モデルの再トレーニングは、高いレイテンシと複雑なパイプラインにつながる。 未知の外観変化下での堅牢なセグメンテーションのための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-01-11T05:45:30Z)

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。