論文の概要: Multi-view Attention for gestational age at birth prediction
- arxiv url: http://arxiv.org/abs/2207.04130v1
- Date: Fri, 8 Jul 2022 21:29:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-14 06:07:59.580852
- Title: Multi-view Attention for gestational age at birth prediction
- Title(参考訳): 出生予測における妊娠年齢の多視点注意
- Authors: Mathieu Leclercq, Martin Styner, and Juan Carlos Prieto
- Abstract要約: 本稿では,SLCN ( Surface Learning for Clinical Neuroimaging) の出生予測における妊娠年齢推定法を提案する。
本手法は,異なる視点から3次元オブジェクトの2次元レンダリングをキャプチャする多視点形状解析手法に基づく。
レグレッションタスクは、ネイティブ空間で1.637 +- 1.3のMAE、テンプレート空間で1.38 + 1.14のMAEを達成する。
- 参考スコア(独自算出の注目度): 1.0464577696921007
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present our method for gestational age at birth prediction for the SLCN
(surface learning for clinical neuroimaging) challenge. Our method is based on
a multi-view shape analysis technique that captures 2D renderings of a 3D
object from different viewpoints. We render the brain features on the surface
of the sphere and then the 2D images are analyzed via 2D CNNs and an attention
layer for the regression task. The regression task achieves a MAE of 1.637 +-
1.3 on the Native space and MAE of 1.38 +- 1.14 on the template space. The
source code for this project is available in our github repository
https://github.com/MathieuLeclercq/SLCN_challenge_UNC
- Abstract(参考訳): 本稿では,SLCN ( Surface Learning for Clinical Neuroimaging) の出生予測における妊娠年齢推定法を提案する。
本手法は,異なる視点から3次元オブジェクトの2次元レンダリングをキャプチャする多視点形状解析手法に基づく。
我々は脳の特徴を球面に描画し、2D画像は2次元CNNと回帰処理のための注意層を通して解析する。
回帰タスクは、ネイティブ空間で1.637 +1.3のMAE、テンプレート空間で1.38 +- 1.14のMAEを達成する。
このプロジェクトのソースコードは、githubリポジトリhttps://github.com/mathieuleclercq/slcn_challenge_uncで入手できます。
関連論文リスト
- Zolly: Zoom Focal Length Correctly for Perspective-Distorted Human Mesh
Reconstruction [66.10717041384625]
Zollyは、視点歪みの画像に焦点を当てた最初の3DHMR法である。
人体の2次元密度ゆらぎスケールを記述した新しいカメラモデルと新しい2次元歪み画像を提案する。
このタスク用に調整された2つの現実世界のデータセットを拡張します。
論文 参考訳(メタデータ) (2023-03-24T04:22:41Z) - Ultrasound Plane Pose Regression: Assessing Generalized Pose Coordinates
in the Fetal Brain [9.465965149145559]
我々は,センサを付加することなく,3次元可視化,トレーニング,ガイダンスのための米国の航空機ローカライゼーションシステムを構築することを目指している。
この研究は、胎児の脳をスライスする米国飛行機の6次元(6次元)のポーズを予測する、これまでの研究に基づいています。
トレーニングおよびテストデータにおける登録品質の影響とその後のトレーニングモデルへの影響について検討する。
論文 参考訳(メタデータ) (2023-01-19T21:16:36Z) - Learning to Estimate 3D Human Pose from Point Cloud [13.27496851711973]
本稿では,複雑な人体構造物の表面をモデル化するための入力データとして,点雲データを用いた3次元ポーズ推定のための深層人体ポーズネットワークを提案する。
2つの公開データセットに対する実験により,従来の最先端手法よりも精度が高いことを示す。
論文 参考訳(メタデータ) (2022-12-25T14:22:01Z) - Decomposing 3D Neuroimaging into 2+1D Processing for Schizophrenia
Recognition [25.80846093248797]
我々は2+1Dフレームワークで3Dデータを処理し、巨大なImageNetデータセット上に事前トレーニングされた強力な2D畳み込みニューラルネットワーク(CNN)ネットワークを利用して3Dニューロイメージング認識を実現することを提案する。
特に3次元磁気共鳴イメージング(MRI)の計測値は、隣接するボクセル位置に応じて2次元スライスに分解される。
グローバルプーリングは、アクティベーションパターンが機能マップ上にわずかに分散されているため、冗長な情報を除去するために適用される。
2次元CNNモデルにより処理されていない3次元の文脈情報を集約するために,チャネルワイドおよびスライスワイズ畳み込みを提案する。
論文 参考訳(メタデータ) (2022-11-21T15:22:59Z) - Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia
Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。
バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。
最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
論文 参考訳(メタデータ) (2021-12-23T14:51:45Z) - Soft Expectation and Deep Maximization for Image Feature Detection [68.8204255655161]
質問をひっくり返し、まず繰り返し可能な3Dポイントを探し、次に検出器を訓練して画像空間にローカライズする、反復的半教師付き学習プロセスSEDMを提案する。
以上の結果から,sdmを用いてトレーニングした新しいモデルでは,シーン内の下位3dポイントのローカライズが容易になった。
論文 参考訳(メタデータ) (2021-04-21T00:35:32Z) - Pose2Mesh: Graph Convolutional Network for 3D Human Pose and Mesh
Recovery from a 2D Human Pose [70.23652933572647]
本稿では,人間のメッシュ頂点の3次元座標を直接推定するグラフ畳み込みニューラルネットワーク(GraphCNN)を提案する。
我々のPose2Meshは、様々なベンチマークデータセットにおいて、以前の3次元人間のポーズとメッシュ推定方法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-08-20T16:01:56Z) - Cephalometric Landmark Regression with Convolutional Neural Networks on
3D Computed Tomography Data [68.8204255655161]
側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。
本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。
本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
論文 参考訳(メタデータ) (2020-07-20T12:45:38Z) - Attention-Guided Version of 2D UNet for Automatic Brain Tumor
Segmentation [2.371982686172067]
グリオーマは脳腫瘍の中でも最も一般的で攻撃的であり、高い成績で寿命が短くなる。
深層畳み込みニューラルネットワーク(DCNN)は脳腫瘍のセグメンテーションにおいて顕著な性能を発揮している。
しかし, グリオーマの強度や外観に変化があるため, この課題は依然として困難である。
論文 参考訳(メタデータ) (2020-04-04T20:09:06Z) - Brain Age Estimation Using LSTM on Children's Brain MRI [4.452516574196706]
脳MRIの3次元容積を2次元画像の系列とみなし,脳年齢推定に再帰的ニューラルネットワークを用いた新しい枠組みを提案する。
提案手法は2D-ResNet18+Long短期メモリ(LSTM)と命名され,2次元画像の特徴抽出用2D ResNet18,シーケンス上の特徴低減用プール層,LSTM層,最終回帰層からなる。
論文 参考訳(メタデータ) (2020-02-20T22:27:52Z) - 2.75D: Boosting learning by representing 3D Medical imaging to 2D
features for small data [54.223614679807994]
3D畳み込みニューラルネットワーク(CNN)は、多くのディープラーニングタスクにおいて、2D CNNよりも優れたパフォーマンスを示し始めている。
3D CNNにトランスファー学習を適用することは、パブリックにトレーニング済みの3Dモデルがないために困難である。
本研究では,ボリュームデータの2次元戦略的表現,すなわち2.75Dを提案する。
その結果,2次元CNNネットワークをボリューム情報学習に用いることが可能となった。
論文 参考訳(メタデータ) (2020-02-11T08:24:19Z)
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。