Fugu-MT 論文翻訳(概要): WSSAMNet: Weakly Supervised Semantic Attentive Medical Image Registration Network

論文の概要: WSSAMNet: Weakly Supervised Semantic Attentive Medical Image Registration Network

arxiv url: http://arxiv.org/abs/2203.07114v1
Date: Sat, 5 Mar 2022 18:55:09 GMT
ステータス: 処理完了
システム内更新日: 2022-03-21 00:10:44.283494
Title: WSSAMNet: Weakly Supervised Semantic Attentive Medical Image Registration Network
Title（参考訳）: wssamnet: 暗黙の医療画像登録ネットワーク
Authors: Sahar Almahfouz Nasser, Nikhil Cherian Kurian, Saqib Shamsi, Mohit Meena, and Amit Sethi
Abstract要約: 医用画像登録のための弱教師付き方法であるWSSAMNetを提案する。 ANTとVoxelMorphに対するBraTSRegチャレンジデータの有効性を検討した。
参考スコア（独自算出の注目度）: 1.7298084639157258
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present WSSAMNet, a weakly supervised method for medical image registration. Ours is a two step method, with the first step being the computation of segmentation masks of the fixed and moving volumes. These masks are then used to attend to the input volume, which are then provided as inputs to a registration network in the second step. The registration network computes the deformation field to perform the alignment between the fixed and the moving volumes. We study the effectiveness of our technique on the BraTSReg challenge data against ANTs and VoxelMorph, where we demonstrate that our method performs competitively.
Abstract（参考訳）: 医用画像登録のための弱教師付き方法であるWSSAMNetを提案する。 wesは2段階の手法であり、最初のステップは固定ボリュームと移動ボリュームのセグメンテーションマスクの計算である。これらのマスクは入力ボリュームに対応するために使用され、第2のステップで登録ネットワークへの入力として提供される。登録ネットワークは変形フィールドを演算し、固定ボリュームと移動ボリュームのアライメントを行う。本手法がアリおよびボクセルモルフに対するbratsregチャレンジデータに与える影響について検討し,本手法が競争的に有効であることを示す。

関連論文リスト

SAM Fewshot Finetuning for Anatomical Segmentation in Medical Images [3.2099042811875833]
医用画像の解剖学的セグメンテーションタスクにSAM(Seegment Anything)を適用するための戦略を提案する。画像埋め込みで取得した解剖学的クエリーオブジェクトのプロンプトとして,ラベル付き画像の限られたセットから得られる少数ショット埋め込みを利用する。本手法は,キャッシング機構を用いてマスクデコーダのみをトレーニングすることにより,微調整プロセスの効率化を優先する。
論文参考訳（メタデータ） (2024-07-05T17:07:25Z)
Variance-insensitive and Target-preserving Mask Refinement for Interactive Image Segmentation [68.16510297109872]
ポイントベースのインタラクティブなイメージセグメンテーションは、セマンティックセグメンテーションや画像編集といったアプリケーションにおけるマスクアノテーションの負担を軽減することができる。本稿では,ユーザ入力の少ないセグメンテーション品質を向上する新しい手法である可変無感・ターゲット保存マスクリファインメントを提案する。 GrabCut、バークレー、SBD、DAVISデータセットの実験は、インタラクティブな画像セグメンテーションにおける我々の手法の最先端性能を実証している。
論文参考訳（メタデータ） (2023-12-22T02:31:31Z)
Learning to Mask and Permute Visual Tokens for Vision Transformer Pre-Training [59.923672191632065]
我々はMasked and Permuted Vision Transformer(MaPeT)という自己教師型事前学習手法を提案する。 MaPeTは、自動回帰および置換予測を使用して、パッチ内依存関係をキャプチャする。以上の結果から,MaPeTはImageNet上での競合性能を実証した。
論文参考訳（メタデータ） (2023-06-12T18:12:19Z)
MP-Former: Mask-Piloted Transformer for Image Segmentation [16.620469868310288]
Mask2Formerはデコーダ層間の一貫性のないマスク予測に悩まされている。本手法では,マスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスのマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスマスをマスマスマスマストした。
論文参考訳（メタデータ） (2023-03-13T17:57:59Z)
Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文参考訳（メタデータ） (2023-01-12T08:19:46Z)
Joint segmentation and discontinuity-preserving deformable registration: Application to cardiac cine-MR images [74.99415008543276]
多くの深層学習に基づく登録法は、変形場は画像領域の至る所で滑らかで連続的であると仮定する。本研究では,この課題に対処するために,不連続かつ局所的に滑らかな変形場を確保するための新しい不連続保存画像登録手法を提案する。入力画像の構造的相関を学習するために,ネットワークのセグメンテーション成分にコアテンションブロックを提案する。大規模心磁気共鳴画像系列を用いた物体内時間画像登録の課題について検討した。
論文参考訳（メタデータ） (2022-11-24T23:45:01Z)
MixMask: Revisiting Masking Strategy for Siamese ConvNets [23.946791390657875]
この研究は、textbfMixMaskと呼ばれる新しいフィリングベースのマスキング手法を導入している。提案手法は,消去された領域を別の画像からのコンテンツに置き換えることにより,従来のマスキング手法で見られる情報の枯渇を効果的に解消する。我々は,線形探索,半教師付きおよび教師付きファインタニング,オブジェクト検出,セグメンテーションなどの領域におけるフレームワークの性能向上を実証的に検証した。
論文参考訳（メタデータ） (2022-10-20T17:54:03Z)
Non-Iterative Scribble-Supervised Learning with Pacing Pseudo-Masks for Medical Image Segmentation [13.940364677162968]
Scribble-supervised Medical Image segmentationはスパースマスクの制限に対処する。そこで我々は,PacingPseudoという,異質な擬似マスクのストリームが整合性学習を通じてネットワークを教える非定性的手法を提案する。提案したPacingPseudoの有効性は、3つの公開医療画像データセットで検証されている。
論文参考訳（メタデータ） (2022-10-20T01:57:44Z)
Box-Adapt: Domain-Adaptive Medical Image Segmentation using Bounding BoxSupervision [52.45336255472669]
深層学習のための弱教師付きドメイン適応設定を提案する。 Box-Adaptは、ソースドメインのきめ細かいセグナオンマスクとターゲットドメインの弱いバウンディングボックスを完全に探索する。肝セグメンテーションにおける本手法の有効性を実証する。
論文参考訳（メタデータ） (2021-08-19T01:51:04Z)
Are you wearing a mask? Improving mask detection from speech using augmentation by cycle-consistent GANs [24.182791316595576]
本稿では,音声からのマスク検出のための新しいデータ拡張手法を提案する。提案手法は (i) GAN(Geneversarative Adrial Networks) の学習に基づく。我々のデータ拡張アプローチは、他のベースラインや最先端の拡張手法よりも優れた結果をもたらすことを示す。
論文参考訳（メタデータ） (2020-06-17T20:46:50Z)
Masking as an Efficient Alternative to Finetuning for Pretrained Language Models [49.64561153284428]
我々は、微調整によって修正する代わりに、事前訓練された重量に対する選択的な二乗マスクを学習する。内在的評価では、マスキング言語モデルによって計算された表現が、下流タスクの解決に必要な情報を符号化していることを示す。
論文参考訳（メタデータ） (2020-04-26T15:03:47Z)

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。