Fugu-MT 論文翻訳(概要): SearchMorph:Multi-scale Correlation Iterative Network for Deformable Registration

論文の概要: SearchMorph:Multi-scale Correlation Iterative Network for Deformable Registration

arxiv url: http://arxiv.org/abs/2206.13076v1
Date: Mon, 27 Jun 2022 06:37:02 GMT
ステータス: 処理完了
システム内更新日: 2022-06-28 15:09:41.659539
Title: SearchMorph:Multi-scale Correlation Iterative Network for Deformable Registration
Title（参考訳）: SearchMorph:変形可能な登録のためのマルチスケール相関反復ネットワーク
Authors: Xiao Fan, Shuxin Zhuang, Zhemin Zhuang, Shunmin Qiu, Alex Noel Joseph Raj and Yibiao Rong
Abstract要約: 教師なしマルチスケール相関反復登録ネットワーク(SearchMorph)を提案する。提案手法は,最先端手法よりも高い登録精度と低い折り畳み点比を実現する。
参考スコア（独自算出の注目度）: 2.417545540754701
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deformable image registration provides dynamic information about the image and is essential in medical image analysis. However, due to the different characteristics of single-temporal brain MR images and multi-temporal echocardiograms, it is difficult to accurately register them using the same algorithm or model. We propose an unsupervised multi-scale correlation iterative registration network (SearchMorph), and the model has three highlights. (1)We introduced cost volumes to strengthen feature correlations and constructed correlation pyramids to complement multi-scale correlation information. (2) We designed the search module to search for the registration of features in multi-scale pyramids. (3) We use the GRU module for iterative refinement of the deformation field. The proposed network in this paper shows leadership in common single-temporal registration tasks and solves multi-temporal motion estimation tasks. The experimental results show that our proposed method achieves higher registration accuracy and a lower folding point ratio than the state-of-the-art methods.
Abstract（参考訳）: 変形可能な画像登録は、画像に関する動的情報を提供し、医用画像解析に必須である。しかし、単時間脳MR画像と多時間心エコー図の異なる特徴から、同一のアルゴリズムやモデルを用いて正確に登録することは困難である。本研究では,教師なしのマルチスケール相関型反復登録ネットワーク(searchmorph)を提案する。 1)特徴相関強化のためにコストボリュームを導入し,マルチスケール相関情報を補完する相関ピラミッドを構築した。 2) マルチスケールピラミッドにおける特徴の登録を検索するための検索モジュールを設計した。 (3) 変形場の繰り返し精製にはGRUモジュールを用いる。提案するネットワークは,共通する単時間登録タスクにおけるリーダーシップを示し,多時間動作推定課題を解決する。実験の結果,提案手法は,最先端手法よりも高い登録精度と低い折り畳み点比を実現することがわかった。

関連論文リスト

Dual-Attention Frequency Fusion at Multi-Scale for Joint Segmentation and Deformable Medical Image Registration [2.6089354079273512]
二重注意周波数融合(DAFF-Net)に基づくマルチタスク学習フレームワークを提案する。 DAFF-Netは、単一ステップ推定において、セグメンテーションマスクと密度変形場を同時に達成する。 3つのパブリックな3次元脳磁気共鳴画像(MRI)データセットの実験により、提案されたDAFF-Netとその教師なし変種は、最先端の登録方法より優れていることが示された。
論文参考訳（メタデータ） (2024-09-29T11:11:04Z)
Optimizing OOD Detection in Molecular Graphs: A Novel Approach with Diffusion Models [71.39421638547164]
本稿では,入力分子と再構成グラフの類似性を比較する補助拡散モデルに基づくフレームワークを用いてOOD分子を検出することを提案する。 IDトレーニングサンプルの再構成に向けた生成バイアスのため、OOD分子の類似度スコアは検出を容易にするためにはるかに低い。本研究は,PGR-MOOD(PGR-MOOD)とよばれる分子OOD検出のためのプロトタイプグラフ再構成のアプローチを開拓し,3つのイノベーションを生かした。
論文参考訳（メタデータ） (2024-04-24T03:25:53Z)
Breaking Modality Disparity: Harmonized Representation for Infrared and Visible Image Registration [66.33746403815283]
シーン適応型赤外線と可視画像の登録を提案する。我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
論文参考訳（メタデータ） (2023-04-12T06:49:56Z)
Robust Multiview Point Cloud Registration with Reliable Pose Graph Initialization and History Reweighting [63.95845583460312]
本稿では,ポイントクラウドのマルチビュー登録のための新しい手法を提案する。提案手法は,3DMatchデータセットの登録リコール率を11%,ScanNetデータセットの登録エラー率を13%向上させる。
論文参考訳（メタデータ） (2023-04-02T06:43:40Z)
IRGen: Generative Modeling for Image Retrieval [82.62022344988993]
本稿では,画像検索を生成モデルの一種として再フレーミングする新しい手法を提案する。我々は、イメージを意味単位の簡潔なシーケンスに変換するという技術的課題に対処するため、IRGenと呼ばれるモデルを開発した。本モデルは,広範に使用されている3つの画像検索ベンチマークと200万件のデータセットに対して,最先端の性能を実現する。
論文参考訳（メタデータ） (2023-03-17T17:07:36Z)
Modality Completion via Gaussian Process Prior Variational Autoencoders for Multi-Modal Glioma Segmentation [75.58395328700821]
本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。 MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。 4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
論文参考訳（メタデータ） (2021-07-07T19:06:34Z)
Test-Time Training for Deformable Multi-Scale Image Registration [15.523457398508263]
VoxelMorphのようなディープラーニングベースの登録アプローチが出現し、競争パフォーマンスを達成しています。従来の学習型登録モデルの一般化能力を向上させるために, デフォーマブル画像登録のためのテストタイムトレーニングを構築した。
論文参考訳（メタデータ） (2021-03-25T03:22:59Z)
Deep Group-wise Variational Diffeomorphic Image Registration [3.0022455491411653]
本稿では,複数の画像の同時登録を可能にするために,現在の学習ベース画像登録を拡張することを提案する。本稿では,複数の画像の粘性測地線平均への登録と,利用可能な画像のいずれかを固定画像として使用可能な登録を両立できる汎用的な数学的枠組みを提案する。
論文参考訳（メタデータ） (2020-10-01T07:37:28Z)
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)
JSSR: A Joint Synthesis, Segmentation, and Registration System for 3D Multi-Modal Image Alignment of Large-scale Pathological CT Scans [27.180136688977512]
本稿では,エンドツーエンドの3D畳み込みニューラルネットワークに基づく新しいマルチタスク学習システムJSSRを提案する。システムは、教師なしの方法で異なるタスク間の暗黙の制約を満たすように最適化されている。従来型のマルチモーダル登録法よりも一貫して優れています。
論文参考訳（メタデータ） (2020-05-25T16:30:02Z)
Learning Deformable Image Registration from Optimization: Perspective, Modules, Bilevel Training and Beyond [62.730497582218284]
マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
論文参考訳（メタデータ） (2020-04-30T03:23:45Z)

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。