論文の概要: Image Segmentation with Adaptive Spatial Priors from Joint Registration
- arxiv url: http://arxiv.org/abs/2203.15548v1
- Date: Tue, 29 Mar 2022 13:29:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-30 17:10:49.660547
- Title: Image Segmentation with Adaptive Spatial Priors from Joint Registration
- Title（参考訳）: 共同登録による適応型空間優先画像分割
- Authors: Haifeng Li, Weihong Guo, Jun Liu, Li Cui, and Dongxing Xie
- Abstract要約: 大腿筋画像では、異なる筋肉が束ねられ、その間に明確な境界が存在しないことが多い。
関節登録から適応的な空間的先行性を持つセグメンテーションモデルを提案する。
人工大腿筋MR画像の合成モデルと大腿筋MR画像について検討した。
- 参考スコア（独自算出の注目度）: 10.51970325349652
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image segmentation is a crucial but challenging task that has many
applications. In medical imaging for instance, intensity inhomogeneity and
noise are common. In thigh muscle images, different muscles are closed packed
together and there are often no clear boundaries between them. Intensity based
segmentation models cannot separate one muscle from another. To solve such
problems, in this work we present a segmentation model with adaptive spatial
priors from joint registration. This model combines segmentation and
registration in a unified framework to leverage their positive mutual
influence. The segmentation is based on a modified Gaussian mixture model
(GMM), which integrates intensity inhomogeneity and spacial smoothness. The
registration plays the role of providing a shape prior. We adopt a modified sum
of squared difference (SSD) fidelity term and Tikhonov regularity term for
registration, and also utilize Gaussian pyramid and parametric method for
robustness. The connection between segmentation and registration is guaranteed
by the cross entropy metric that aims to make the segmentation map (from
segmentation) and deformed atlas (from registration) as similar as possible.
This joint framework is implemented within a constraint optimization framework,
which leads to an efficient algorithm. We evaluate our proposed model on
synthetic and thigh muscle MR images. Numerical results show the improvement as
compared to segmentation and registration performed separately and other joint
models.
- Abstract（参考訳）: イメージセグメンテーションは多くのアプリケーションを持つ重要なタスクですが、難しい作業です。
例えば医療画像では、強度の不均一性とノイズが一般的である。
大腿筋の画像では、異なる筋肉が閉じられ、その間に明確な境界が存在しないことが多い。
強度に基づくセグメンテーションモデルは、ある筋肉と別の筋肉を分離することはできない。
そこで本研究では,ジョイント・レジストレーションから適応的な空間先行を持つセグメンテーションモデルを提案する。
このモデルは、セグメンテーションと登録を統一した枠組みで組み合わせ、それらのポジティブな相互影響を活用する。
このセグメンテーションは改良されたガウス混合モデル(GMM)に基づいており、これは強度の不均一性と空間的滑らかさを統合する。
登録は、以前の形を提供する役割を担います。
我々は,2乗差分(SSD)の正則項とチホノフ正則項の修正和を登録に適用し,ガウスピラミッドとパラメトリック法を用いてロバスト性を評価する。
セグメンテーションと登録の間の接続は、セグメンテーションマップ(セグメンテーションから)とデフォルムアトラス(登録から)を可能な限り類似させることを目的としたクロスエントロピー計量によって保証される。
この統合フレームワークは制約最適化フレームワーク内に実装され、効率的なアルゴリズムに繋がる。
人工大腿筋MR画像における提案モデルの評価を行った。
数値計算の結果, 分割と登録を別々に行い, 他の関節モデルと比較した。
関連論文リスト
- Dual-scale Enhanced and Cross-generative Consistency Learning for
Semi-supervised Polyp Segmentation [52.06525450636897]
大腸癌の早期診断と治療において, 自動ポリープセグメンテーションが重要な役割を担っている。
既存の手法は、完全に教師されたトレーニングに大きく依存しており、大量のラベル付きデータと時間を要するピクセル単位のアノテーションを必要とする。
大腸内視鏡画像からの半教師付きポリープ(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learningフレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-26T12:56:31Z) - A Simple and Robust Framework for Cross-Modality Medical Image
Segmentation applied to Vision Transformers [0.0]
単一条件モデルを用いて複数モードの公平な画像分割を実現するための簡単なフレームワークを提案する。
本研究の枠組みは,マルチモーダル全心条件課題において,他のモダリティセグメンテーション手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-10-09T09:51:44Z) - Towards Better Certified Segmentation via Diffusion Models [62.21617614504225]
セグメンテーションモデルは敵の摂動に弱いため、医療や自動運転といった重要な意思決定システムでの使用を妨げます。
近年,理論的保証を得るためにガウス雑音を入力に加えることにより,セグメント化予測のランダム化が提案されている。
本稿では,ランダムな平滑化と拡散モデルを組み合わせたセグメンテーション予測の問題に対処する。
論文 参考訳（メタデータ） (2023-06-16T16:30:39Z) - Cross-modal tumor segmentation using generative blending augmentation and self training [1.6440045168835438]
本稿では,新しいデータ拡張手法によって強化された従来の画像合成に基づくクロスモーダルセグメンテーション手法を提案する。
Generative Blending Augmentation (GBA)は、単一のトレーニング画像から代表的生成特徴を学習し、腫瘍の外観を現実的に多様化させる。
提案手法は,MICCAI CrossMoDA 2022 チャレンジの検証および試験段階において,前庭神経ショーノマ(VS)セグメンテーションにおいて第1位となった。
論文 参考訳（メタデータ） (2023-04-04T11:01:46Z) - Robust One-shot Segmentation of Brain Tissues via Image-aligned Style
Transformation [13.430851964063534]
本稿では,脳組織のワンショットセグメンテーションのための2モデル反復学習を強化するために,新しい画像整列型変換を提案する。
2つの公開データセットによる実験結果から,1)完全教師付き手法と比較して,提案手法の競合セグメンテーション性能が向上し,2)Diceの平均値が4.67%向上した他の最先端技術よりも優れた性能を示した。
論文 参考訳（メタデータ） (2022-11-26T09:14:01Z) - 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) - Saliency-Driven Active Contour Model for Image Segmentation [2.8348950186890467]
本稿では,局所的な画像情報(LIF)を用いたサリエンシマップの利点を利用して,従来のモデルの欠点を克服する新しいモデルを提案する。
提案モデルでは,画像の鮮度マップと局所画像情報を用いて,アクティブな輪郭モデルの進行性を向上させる。
論文 参考訳（メタデータ） (2022-05-23T06:02:52Z) - Automatic size and pose homogenization with spatial transformer network
to improve and accelerate pediatric segmentation [51.916106055115755]
空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。
私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。
腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
論文 参考訳（メタデータ） (2021-07-06T14:50:03Z) - A Differentiable Relaxation of Graph Segmentation and Alignment for AMR
Parsing [75.36126971685034]
我々は、アライメントとセグメンテーションをモデルの潜在変数として扱い、エンドツーエンドのトレーニングの一部としてそれらを誘導する。
また,AMRの個々の構造を扱うために手作りされたLyu2018AMRPAのセグメンテーションルールに依存するモデルにもアプローチした。
論文 参考訳（メタデータ） (2020-10-23T21:22:50Z) - MvMM-RegNet: A new image registration framework based on multivariate
mixture model and neural network estimation [14.36896617430302]
生成モデル(MvMM)とニューラルネットワーク推定に基づく新しい画像登録フレームワークを提案する。
外観と解剖情報を一体化した生成モデルを構築し、グループ登録が可能な新規な損失関数を導出する。
マルチモーダル心画像への様々な応用のためのフレームワークの汎用性を強調した。
論文 参考訳（メタデータ） (2020-06-28T11:19:15Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。