Fugu-MT 論文翻訳(概要): Neural Annotation Refinement: Development of a New 3D Dataset for Adrenal Gland Analysis

論文の概要: Neural Annotation Refinement: Development of a New 3D Dataset for Adrenal Gland Analysis

arxiv url: http://arxiv.org/abs/2206.15328v1
Date: Thu, 30 Jun 2022 14:59:15 GMT
ステータス: 処理完了
システム内更新日: 2022-07-01 20:04:12.215590
Title: Neural Annotation Refinement: Development of a New 3D Dataset for Adrenal Gland Analysis
Title（参考訳）: ニューラルアノテーションの改良:副腎分析のための新しい3dデータセットの開発
Authors: Jiancheng Yang, Rui Shi, Udaranga Wickramasinghe, Qikui Zhu, Bingbing Ni, and Pascal Fua
Abstract要約: ニューラルリファインメント(NeAR)という,人間のアノテーションを洗練させる手法を提案する。 NeARは学習可能な暗黙の関数に基づいており、潜在ベクトルを表現された形にデコードする。以上の結果から,NeARは腎腺分節データセットの歪んだゴールデンスタンダードを修復できることがわかった。
参考スコア（独自算出の注目度）: 76.2915458113386
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The human annotations are imperfect, especially when produced by junior practitioners. Multi-expert consensus is usually regarded as golden standard, while this annotation protocol is too expensive to implement in many real-world projects. In this study, we propose a method to refine human annotation, named Neural Annotation Refinement (NeAR). It is based on a learnable implicit function, which decodes a latent vector into represented shape. By integrating the appearance as an input of implicit functions, the appearance-aware NeAR fixes the annotation artefacts. Our method is demonstrated on the application of adrenal gland analysis. We first show that the NeAR can repair distorted golden standards on a public adrenal gland segmentation dataset. Besides, we develop a new Adrenal gLand ANalysis (ALAN) dataset with the proposed NeAR, where each case consists of a 3D shape of adrenal gland and its diagnosis label (normal vs. abnormal) assigned by experts. We show that models trained on the shapes repaired by the NeAR can diagnose adrenal glands better than the original ones. The ALAN dataset will be open-source, with 1,594 shapes for adrenal gland diagnosis, which serves as a new benchmark for medical shape analysis. Code and dataset are available at https://github.com/M3DV/NeAR.
Abstract（参考訳）: 人間の注釈は不完全であり、特に若い実践者が作る場合は不完全である。マルチエキスパートコンセンサスは通常ゴールデンスタンダードと見なされるが、このアノテーションプロトコルは多くの現実世界のプロジェクトで実装するには高すぎる。本研究では,Near(Neural Annotation Refinement)という,人間のアノテーションを洗練させる手法を提案する。これは学習可能な暗黙関数に基づいており、潜在ベクトルを表現された形に復号する。暗黙の関数の入力として外観を統合することで、NeARはアノテーションのアーチファクトを修正する。本手法は副腎分析を応用したものである。まず,公的な副腎セグメンテーションデータセット上での変形したゴールデンスタンダードの修復が可能であることを示す。また,提案手法を用いて,副腎の3次元形状とその診断ラベル(正常と異常)を専門家が割り当てた新しい副腎分析(alan)データセットを開発した。我々は,NeARで修復した形状をトレーニングしたモデルにより,副腎の診断が元のモデルより優れていることを示した。 ALANデータセットはオープンソースで、副腎の診断のための1,594の形状を持つ。コードとデータセットはhttps://github.com/m3dv/nearで入手できる。

関連論文リスト

EchoDFKD: Data-Free Knowledge Distillation for Cardiac Ultrasound Segmentation using Synthetic Data [0.0]
本稿では, 実データおよび合成データに基づいて, 知識蒸留を専門に訓練したモデルを提案する。我々は,終末期および終末期のフレームを識別するタスクにおいて,最先端のSOTA(State-of-the-art)値を得る。また,人間のアノテーションを必要とせず,大規模な補助モデルに依存する新たな評価手法を提案する。
論文参考訳（メタデータ） (2024-09-11T18:38:02Z)
GeoGen: Geometry-Aware Generative Modeling via Signed Distance Functions [22.077366472693395]
単一ビューコレクションから3次元形状と画像を合成するための新しい生成手法を提案する。ニューラルラディアンス場を用いたボリュームレンダリングを用いることで、生成した幾何学はノイズが多く、制約がないという重要な制限を継承する。エンド・ツー・エンドで訓練された新しいSDFベースの3D生成モデルであるGeoGenを提案する。
論文参考訳（メタデータ） (2024-06-06T17:00:10Z)
R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文参考訳（メタデータ） (2024-05-31T08:39:02Z)
ARC: A Generalist Graph Anomaly Detector with In-Context Learning [62.202323209244]
ARCは汎用的なGADアプローチであり、一対一のGADモデルで様々なグラフデータセットの異常を検出することができる。 ARCはコンテキスト内学習を備えており、ターゲットデータセットからデータセット固有のパターンを直接抽出することができる。各種領域からの複数のベンチマークデータセットに対する大規模な実験は、ARCの優れた異常検出性能、効率、一般化性を示す。
論文参考訳（メタデータ） (2024-05-27T02:42:33Z)
Data-Independent Operator: A Training-Free Artifact Representation Extractor for Generalizable Deepfake Detection [105.9932053078449]
本研究では,より一般的な人工物表現を捉えるのに,小型かつトレーニング不要なフィルタが十分であることを示す。トレーニングソースとテストソースの両方に不偏があるため、未確認ソースに対して魅力的な改善を実現するために、Data-Independent Operator (DIO)と定義する。我々の検出器は13.3%の大幅な改善を実現し、新しい最先端の性能を確立した。
論文参考訳（メタデータ） (2024-03-11T15:22:28Z)
Entangled View-Epipolar Information Aggregation for Generalizable Neural Radiance Fields [28.549053233615382]
一般化可能なNeRFは、新しいシーンにまたがる新しいビューを合成することができ、バニラのNeRFでシーン固有のリトレーニングを不要にする。 EVE-NeRFと呼ばれるエンタングルビュー・エピポーラ情報集約手法を提案する。
論文参考訳（メタデータ） (2023-11-20T15:35:00Z)
A Dataset for Deep Learning-based Bone Structure Analyses in Total Hip Arthroplasty [8.604089365903029]
全股関節解剖(THA)は整形外科において広く用いられている外科手術である。ディープラーニング技術は有望だが、学習には高品質なラベル付きデータが必要である。ディープラーニング指向のデータセットを生成するための効率的なデータアノテーションパイプラインを提案する。
論文参考訳（メタデータ） (2023-06-07T16:28:53Z)
Adaptive Reordering Sampler with Neurally Guided MAGSAC [63.139445467355934]
そこで我々は, 常に不整数のみを構成する確率が最も高い試料を選定する頑健な推定器のための新しいサンプリング器を提案する。反復が失敗すると、イリヤ確率はベイズ的アプローチによって原則的に更新される。幾何的に妥当な方法で、あらゆる種類の特徴に対して推定できる配向とスケールを利用する新しい損失を導入する。
論文参考訳（メタデータ） (2021-11-28T10:16:38Z)
Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文参考訳（メタデータ） (2021-11-24T01:14:33Z)
IntrA: 3D Intracranial Aneurysm Dataset for Deep Learning [18.163031102785904]
IntrAというオープンアクセス型3次元頭蓋内動脈瘤データセットを導入し、ポイントベースおよびメッシュベース分類とセグメンテーションモデルの適用を可能にした。本データセットは頭蓋内動脈瘤の診断に有用であり, 頸部を摘出し, クリッピング術を施行した。
論文参考訳（メタデータ） (2020-03-02T05:21:53Z)

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。