論文の概要: An error correction scheme for improved air-tissue boundary in real-time
MRI video for speech production
- arxiv url: http://arxiv.org/abs/2203.06004v1
- Date: Wed, 9 Mar 2022 03:17:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-14 13:48:18.422694
- Title: An error correction scheme for improved air-tissue boundary in real-time
MRI video for speech production
- Title（参考訳）: 実時間MRI映像における音節境界改善のための誤り訂正方式
- Authors: Anwesha Roy, Varun Belagali, Prasanta Kumar Ghosh
- Abstract要約: 本稿では, コントゥール1とコントゥール2を別々に比較して, エア・タブ境界(ATB)セグメンテーションの2つの新しい評価指標を提案する。
提案した検出および補正戦略により、この2つの評価指標は、contour1では61.8%、61.4%、contour2では67.8%、28.4%改善される。
- 参考スコア（独自算出の注目度）: 44.73595024823637
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The best performance in Air-tissue boundary (ATB) segmentation of real-time
Magnetic Resonance Imaging (rtMRI) videos in speech production is known to be
achieved by a 3-dimensional convolutional neural network (3D-CNN) model.
However, the evaluation of this model, as well as other ATB segmentation
techniques reported in the literature, is done using Dynamic Time Warping (DTW)
distance between the entire original and predicted contours. Such an evaluation
measure may not capture local errors in the predicted contour. Careful analysis
of predicted contours reveals errors in regions like the velum part of contour1
(ATB comprising of upper lip, hard palate, and velum) and tongue base section
of contour2 (ATB covering jawline, lower lip, tongue base, and epiglottis),
which are not captured in a global evaluation metric like DTW distance. In this
work, we automatically detect such errors and propose a correction scheme for
the same. We also propose two new evaluation metrics for ATB segmentation
separately in contour1 and contour2 to explicitly capture two types of errors
in these contours. The proposed detection and correction strategies result in
an improvement of these two evaluation metrics by 61.8% and 61.4% for contour1
and by 67.8% and 28.4% for contour2. Traditional DTW distance, on the other
hand, improves by 44.6% for contour1 and 4.0% for contour2.
- Abstract（参考訳）: 実時間磁気共鳴画像(rtMRI)の3次元畳み込みニューラルネットワーク(3D-CNN)モデルにより, 音声合成における空気-形状境界(ATB)セグメンテーションの最高の性能が得られた。
しかし,本モデルの評価は,本論文で報告されている他のABBセグメンテーション手法と同様に,原点と予測輪郭全体の動的時間ワープ(DTW)距離を用いて行われる。
このような評価手段は、予測された輪郭の局所的誤差を捉えない。
予測された輪郭の慎重な分析は、DTW距離のようなグローバルな評価基準で取得されていない輪郭1(上唇、硬口蓋、胸骨からなるATB)と輪郭2(顎、下唇、舌基、喉頭を含むATB)の舌基部などの領域における誤差を明らかにする。
本研究では,このような誤りを自動的に検出し,修正手法を提案する。
また,contour1とcontour2に分離してatbセグメンテーションを行うための2つの新しい評価指標を提案する。
提案した検出および補正戦略により、この2つの評価指標は、contour1では61.8%、61.4%、contour2では67.8%、28.4%改善される。
一方、従来のdtw距離はcontour1では44.6%、contour2では4.0%改善している。
関連論文リスト
- Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。
核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。
提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
論文 参考訳（メタデータ） (2023-01-24T17:54:01Z) - MAPPING: Model Average with Post-processing for Stroke Lesion
Segmentation [57.336056469276585]
我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。
本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
論文 参考訳（メタデータ） (2022-11-11T14:17:04Z) - Left Ventricle Contouring of Apical Three-Chamber Views on 2D
Echocardiography [2.573072884754704]
左心室を2次元心エコー画像で自動整形する手法を提案する。
我々は,この輪郭内における心内膜輪郭とキーランドマーク点の予測に焦点をあてる。
これは、専門家が手動のアノテーションを実行する方法に近い表現を提供し、したがって生理学的により妥当な結果を生み出す。
論文 参考訳（メタデータ） (2022-07-13T16:35:33Z) - ReCasNet: Improving consistency within the two-stage mitosis detection
framework [5.263015177621435]
既存のアプローチでは、潜在的な有糸分裂細胞の位置を特定するための検出ステージと、予測信頼性を精査するための分類ステージという、2段階のパイプラインが使用されている。
このパイプライン定式化は、検出段階の予測品質の低下と、トレーニングデータ分布のミスマッチによる分類段階の不整合につながる可能性がある。
Refine Cascade Network(ReCasNet)は,先述した問題を3つの改善で軽減する,拡張されたディープラーニングパイプラインである。
論文 参考訳（メタデータ） (2022-02-28T16:03:14Z) - Error-Correcting Neural Networks for Two-Dimensional Curvature
Computation in the Level-Set Method [0.0]
本稿では,2次元曲率をレベルセット法で近似するための誤差ニューラルモデルに基づく手法を提案する。
我々の主な貢献は、需要に応じて機械学習操作を可能にする数値スキームに依存する、再設計されたハイブリッド・ソルバである。
論文 参考訳（メタデータ） (2022-01-22T05:14:40Z) - Bilevel Online Adaptation for Out-of-Domain Human Mesh Reconstruction [94.25865526414717]
本稿では,事前に訓練されたヒトメッシュ再構築モデルをドメイン外ストリーミングビデオに適応させるという新たな問題を検討する。
重みプローブと重み更新の2つのステップに全体多対象の最適化プロセスを分割するBilevel Online Adaptationを提案します。
BOAが2つのヒューマンメッシュ再構築ベンチマークで最先端の結果をもたらすことを実証する。
論文 参考訳（メタデータ） (2021-03-30T15:47:58Z) - SAR-U-Net: squeeze-and-excitation block and atrous spatial pyramid
pooling based residual U-Net for automatic liver CT segmentation [3.192503074844775]
Squeeze-and-Excitation(SE)ブロック,Atrous Space Pyramid Pooling(ASPP),Resternal Learningといったテクニックを活用した,U-Netベースのフレームワークが提案されている。
提案手法の有効性を2つの公開データセットLiTS17とSLiver07で検証した。
論文 参考訳（メタデータ） (2021-03-11T02:32:59Z) - Joint Left Atrial Segmentation and Scar Quantification Based on a DNN
with Spatial Encoding and Shape Attention [21.310508988246937]
本稿では,左心房(LA)空洞を同時に分割し,LAの傷跡を定量化するエンド・ツー・エンドディープ・ニューラル・ネットワーク(DNN)を提案する。
提案フレームワークは,空間符号化(SE)ロスを導入することで,目標の連続的な空間情報を組み込む。
LAセグメンテーションでは、3D基本U-Netと比較して平均ハウスドルフ距離を36.4mmから20.0mmに減らした。
論文 参考訳（メタデータ） (2020-06-23T13:55:29Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z) - Learning Nonparametric Human Mesh Reconstruction from a Single Image
without Ground Truth Meshes [56.27436157101251]
そこで本研究では,人間のメッシュ再構築を基礎となる真理メッシュを使わずに学習する手法を提案する。
これはグラフ畳み込みニューラルネットワーク(Graph CNN)の損失関数に2つの新しい用語を導入することで実現される。
論文 参考訳（メタデータ） (2020-02-28T20:30:07Z)
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。