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
- 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) - Shape Matters: Detecting Vertebral Fractures Using Differentiable
Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。
骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。
本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文 参考訳(メタデータ) (2023-12-08T18:11:22Z) - 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) - Attributed Abnormality Graph Embedding for Clinically Accurate X-Ray
Report Generation [7.118069629513661]
我々は、属性異常グラフ(ATAG)と呼ばれる、新しい微粒化知識グラフ構造を導入する。
ATAGは相互接続された異常ノードと属性ノードで構成されており、異常の詳細をより正確に把握することができる。
提案したATAG-based Deep ModelはSOTA法よりも大きなマージンで優れており, 得られた報告の臨床的精度を向上させることができる。
論文 参考訳(メタデータ) (2022-07-04T05:32:00Z) - 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) - Self Context and Shape Prior for Sensorless Freehand 3D Ultrasound
Reconstruction [61.62191904755521]
3DフリーハンドUSは、幅広い範囲とフリーフォームスキャンを提供することで、この問題に対処することを約束している。
既存のディープラーニングベースの手法は、スキルシーケンスの基本ケースのみに焦点を当てている。
複雑なスキルシーケンスを考慮したセンサレスフリーハンドUS再構成手法を提案する。
論文 参考訳(メタデータ) (2021-07-31T16:06:50Z) - 3D Axial-Attention for Lung Nodule Classification [0.11458853556386794]
通常の非ローカルネットワークの計算能力のほんの一部を必要とする3D Axial-Attentionを使用することを提案する。
非局所ネットワークの位置不変問題を,共有埋め込みに3次元位置符号化を加えることを提案する。
その結果、3D Axial-Attentionモデルは、AUCやAccuracyを含むすべての評価指標で最先端のパフォーマンスを実現します。
論文 参考訳(メタデータ) (2020-12-28T06:49:09Z) - 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。