Fugu-MT 論文翻訳(概要): Multi-view Attention for gestational age at birth prediction

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

Modeling the Neonatal Brain Development Using Implicit Neural Representations [1.5550533143704954]
本稿では,異なる時間点の2次元および3次元画像を予測するニューラルネットワーク,特に暗黙的ニューラル表現(INR)を提案する。被写体特異的な発達過程をモデル化するには,INRの潜伏空間における被写体同一性から年齢を遠ざける必要がある。本稿では,本手法がメモリ効率のよい方法で適用可能であることを示し,特に3次元データにおいて重要であることを示す。
論文参考訳（メタデータ） (2024-08-16T10:22:54Z)
Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-26T14:38:42Z)
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)
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)

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。