論文の概要: Coordinate Translator for Learning Deformable Medical Image Registration

• arxiv url: http://arxiv.org/abs/2203.03626v1
• Date: Sat, 5 Mar 2022 21:23:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-09 15:50:36.408217
• Title: Coordinate Translator for Learning Deformable Medical Image Registration
• Title（参考訳）: 変形可能な医用画像登録のためのコーディネートトランスレータ
• Authors: Yihao Liu, Lianrui Zuo, Shuo Han, Jerry L. Prince, Aaron Carass
• Abstract要約: 我々は,CNNエンコーダから抽出した階層的特徴を持つ複数のCoTrを用いた新しい変形可能な登録ネットワークim2gridを提案する。 我々は、im2gridを最先端のDL法と非DL法と比較し、教師なし3次元磁気共鳴画像の登録を行う。 実験の結果,Im2gridは定性的・定量的にこれらの手法より優れていた。
• 参考スコア（独自算出の注目度）: 15.057534618761268
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The majority of deep learning (DL) based deformable image registration methods use convolutional neural networks (CNNs) to estimate displacement fields from pairs of moving and fixed images. This, however, requires the convolutional kernels in the CNN to not only extract intensity features from the inputs but also understand image coordinate systems. We argue that the latter task is challenging for traditional CNNs, limiting their performance in registration tasks. To tackle this problem, we first introduce Coordinate Translator (CoTr), a differentiable module that identifies matched features between the fixed and moving image and outputs their coordinate correspondences without the need for training. It unloads the burden of understanding image coordinate systems for CNNs, allowing them to focus on feature extraction. We then propose a novel deformable registration network, im2grid, that uses multiple CoTr's with the hierarchical features extracted from a CNN encoder and outputs a deformation field in a coarse-to-fine fashion. We compared im2grid with the state-of-the-art DL and non-DL methods for unsupervised 3D magnetic resonance image registration. Our experiments show that im2grid outperforms these methods both qualitatively and quantitatively.
• Abstract（参考訳）: 深層学習(DL)に基づく変形可能な画像登録法の大半は、畳み込みニューラルネットワーク(CNN)を用いて、動画像と固定画像のペアから変位場を推定する。 しかし、これはCNNの畳み込みカーネルが入力から強度の特徴を抽出するだけでなく、画像座標系を理解する必要がある。 後者のタスクは従来のCNNでは困難であり、登録タスクのパフォーマンスを制限している。 この問題を解決するために,まず,固定画像と移動画像のマッチング特徴を識別し,それらの座標対応をトレーニングすることなく出力する微分可能なモジュールである coordinate translator (cotr) を導入する。 CNNのイメージ座標系を理解することの負担を解放し、特徴抽出に集中できるようにする。 次に,cnnエンコーダから抽出した階層的特徴を持つ複数のcotrを用いて,粗面から細かな変形場を出力する,新しい変形可能な登録ネットワークim2gridを提案する。 我々は,im2gridを最先端のDL法および非DL法と比較し,教師なし3次元磁気共鳴画像の登録を行った。 実験の結果,Im2gridは定性的・定量的にこれらの手法より優れていた。

関連論文リスト

• CNN2GNN: How to Bridge CNN with GNN [59.42117676779735]
  蒸留によりCNNとGNNを統一する新しいCNN2GNNフレームワークを提案する。 Mini-ImageNetにおける蒸留ブースターの2層GNNの性能は、ResNet152のような数十層を含むCNNよりもはるかに高い。
  論文  参考訳（メタデータ） (2024-04-23T08:19:08Z)
• Neural Implicit Dictionary via Mixture-of-Expert Training [111.08941206369508]
  ニューラルインシシット辞書(NID)を学習することで、データとトレーニング効率の両方を達成する汎用INRフレームワークを提案する。 我々のNIDは、所望の関数空間にまたがるように調整された座標ベースのImpworksのグループを組み立てる。 実験の結果,NIDは最大98%の入力データで2次元画像や3次元シーンの再現を2桁高速化できることがわかった。
  論文  参考訳（メタデータ） (2022-07-08T05:07:19Z)
• 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)
• Correlation between image quality metrics of magnetic resonance images and the neural network segmentation accuracy [0.0]
  本研究では,MR画像の画質指標とニューラルネットワークのセグメンテーション精度の相関について検討した。 IQMに基づくトレーニング入力を用いたランダムなトレーニング入力に基づくモデル間のセグメンテーション精度の違いは、セグメンテーション精度における画像品質指標の役割に光を当てた。
  論文  参考訳（メタデータ） (2021-11-01T17:02:34Z)
• A Learning Framework for Diffeomorphic Image Registration based on Quasi-conformal Geometry [1.2891210250935146]
  本稿では,非教師付き学習フレームワークである準コンフォーマル登録ネットワーク(QCRegNet)を提案する。 QCRegNetは推定器ネットワークとベルトラミソルバネットワーク(BSNet)から構成される その結果、登録精度は最先端の手法に匹敵し、微分同相性はかなり保証されていることがわかった。
  論文  参考訳（メタデータ） (2021-10-20T14:23:24Z)
• ResMLP: Feedforward networks for image classification with data-efficient training [73.26364887378597]
  画像分類のための多層パーセプトロン上に構築されたアーキテクチャであるResMLPを提案する。 Timmライブラリと事前トレーニングされたモデルに基づいたコードを共有します。
  論文  参考訳（メタデータ） (2021-05-07T17:31:44Z)
• Knowledge Distillation By Sparse Representation Matching [107.87219371697063]
  本稿では,一方の畳み込みネットワーク(cnn)から他方へ,スパース表現を用いて中間知識を伝達するスパース表現マッチング(srm)を提案する。 勾配降下を利用して効率的に最適化し、任意のCNNにプラグアンドプレイで統合できるニューラルプロセッシングブロックとして定式化します。 実験の結果,教師と生徒のネットワーク間のアーキテクチャの違いに頑健であり,複数のデータセットにまたがる他のkd技術よりも優れていた。
  論文  参考訳（メタデータ） (2021-03-31T11:47:47Z)
• The Mind's Eye: Visualizing Class-Agnostic Features of CNNs [92.39082696657874]
  本稿では,特定のレイヤの最も情報性の高い特徴を表現した対応する画像を作成することにより,画像の集合を視覚的に解釈する手法を提案する。 本手法では, 生成ネットワークを必要とせず, 元のモデルに変更を加えることなく, デュアルオブジェクトのアクティベーションと距離損失を利用する。
  論文  参考訳（メタデータ） (2021-01-29T07:46:39Z)
• Incorporating Image Gradients as Secondary Input Associated with Input Image to Improve the Performance of the CNN Model [0.0]
  既存のCNNアーキテクチャでは、与えられた入力の1つの形式のみがネットワークに供給される。 与えられた入力を複数の形式で同時にネットワークに渡す新しいアーキテクチャが提案されている。
  論文  参考訳（メタデータ） (2020-06-05T14:01:52Z)
• Test-Time Adaptable Neural Networks for Robust Medical Image Segmentation [9.372152932156293]
  畳み込みニューラルネットワーク(CNN)は、教師付き学習問題に対して非常にうまく機能する。 医用画像のセグメンテーションにおいて、この前提は、取得の詳細の観点から、トレーニング画像とテスト画像のミスマッチがある場合に違反する。 比較的浅い画像正規化CNNと、正規化画像を分割する深いCNNの2つのサブネットワークの結合としてセグメンテーションCNNを設計する。
  論文  参考訳（メタデータ） (2020-04-09T16:57:27Z)

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。