論文の概要: MLP-GAN for Brain Vessel Image Segmentation

• arxiv url: http://arxiv.org/abs/2207.08265v1
• Date: Sun, 17 Jul 2022 19:24:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-19 18:12:15.079373
• Title: MLP-GAN for Brain Vessel Image Segmentation
• Title（参考訳）: 脳血管画像分割のためのMLP-GAN
• Authors: Bin Xie, Hao Tang, Bin Duan, Dawen Cai, Yan Yan
• Abstract要約: 脳血管画像のセグメンテーションは、様々な疾患の予防と治療のための有望なバイオマーカーとして使用できる。 1つの成功したアプローチは、セグメンテーションをイメージ・ツー・イメージ変換タスクとみなし、2つの分布間の変換を学習するための条件付き生成逆数ネットワーク(cGAN)を学ぶことである。 本稿では,3次元脳血管像を3つの異なる2次元画像(矢状,コロナ,軸方向)に合成し,それらを3つの異なる2次元cGANに供給する,新しいマルチビューアプローチを提案する。 我々のモデルは、クロスパッチ情報をキャプチャする能力を得る
• 参考スコア（独自算出の注目度）: 19.807219907693145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Brain vessel image segmentation can be used as a promising biomarker for better prevention and treatment of different diseases. One successful approach is to consider the segmentation as an image-to-image translation task and perform a conditional Generative Adversarial Network (cGAN) to learn a transformation between two distributions. In this paper, we present a novel multi-view approach, MLP-GAN, which splits a 3D volumetric brain vessel image into three different dimensional 2D images (i.e., sagittal, coronal, axial) and then feed them into three different 2D cGANs. The proposed MLP-GAN not only alleviates the memory issue which exists in the original 3D neural networks but also retains 3D spatial information. Specifically, we utilize U-Net as the backbone for our generator and redesign the pattern of skip connection integrated with the MLP-Mixer which has attracted lots of attention recently. Our model obtains the ability to capture cross-patch information to learn global information with the MLP-Mixer. Extensive experiments are performed on the public brain vessel dataset that show our MLP-GAN outperforms other state-of-the-art methods. We release our code at https://github.com/bxie9/MLP-GAN
• Abstract（参考訳）: 脳血管画像分割は、異なる疾患の予防と治療のために有望なバイオマーカーとして使用できる。 1つの成功したアプローチは、セグメント化を画像から画像への変換タスクとして考慮し、2つの分布間の変換を学習するための条件付き生成逆数ネットワーク(cGAN)を実行することである。 本稿では,3次元脳血管像を3次元の2次元画像(矢状,コロナ,軸方向)に分割し,それらを3次元の2次元cGANに供給する,新しいマルチビューアプローチ MLP-GAN を提案する。 提案したMLP-GANは、元の3Dニューラルネットワークに存在するメモリ問題を緩和するだけでなく、3D空間情報も保持する。 具体的には、U-Netをジェネレータのバックボーンとして利用し、近年注目を集めているMLP-Mixerと統合されたスキップ接続のパターンを再設計する。 本モデルでは,mlp-mixer を用いてクロスパッチ情報を取得し,グローバル情報を学習する。 MLP-GANは、他の最先端の手法よりも優れています。 コードをhttps://github.com/bxie9/MLP-GANでリリースします。

関連論文リスト

• 3DPX: Progressive 2D-to-3D Oral Image Reconstruction with Hybrid MLP-CNN Networks [16.931777224277347]
  パノラマX線(パノラマX線、英: Panoramic X-ray、PX)は、歯科医療において、広く利用でき、低コストである。 2次元投影画像として、PXは3次元解剖情報を含まない。 2次元から3次元の経口PX再構成のためのプログレッシブハイブリッド多層パーセプトロン(MLP)-CNNピラミドネットワーク(DPX)を提案する。
  論文  参考訳（メタデータ） (2024-08-02T14:28:10Z)
• ToNNO: Tomographic Reconstruction of a Neural Network's Output for Weakly Supervised Segmentation of 3D Medical Images [6.035125735474387]
  ToNNOは、ニューラルネットワークの出力のトモグラフィー再構成に基づいている。 入力された3Dボリュームから異なる角度のスライスを抽出し、これらのスライスを2Dエンコーダに供給し、エンコーダの予測の3Dヒートマップを再構成するために逆ラドン変換を適用する。 本研究では、2Dエンコーダを訓練し、関心領域を含むスライスに対して高い値を出力することにより、医用画像セグメンテーションの弱制御に適用する。
  論文  参考訳（メタデータ） (2024-04-19T11:27:56Z)
• Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
  我々は,CT画像からの多視点椎体局在と同定を提案する。 本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。 本手法は,多視点グローバル情報を自然に学習することができる。
  論文  参考訳（メタデータ） (2023-07-24T14:43:07Z)
• MLP-3D: A MLP-like 3D Architecture with Grouped Time Mixing [123.43419144051703]
  ビデオ認識のための斬新な3Dアーキテクチャを提案する。 結果は、最先端の3D CNNやビデオに匹敵する。
  論文  参考訳（メタデータ） (2022-06-13T16:21:33Z)
• UNeXt: MLP-based Rapid Medical Image Segmentation Network [80.16644725886968]
  UNetとその最新の拡張であるTransUNetは、ここ数年で主要な医療画像分割手法である。 画像分割のための畳み込み多層パーセプトロンネットワークUNeXtを提案する。 パラメータ数を72倍に減らし,計算複雑性を68倍に減らし,推論速度を10倍に改善し,セグメンテーション性能も向上した。
  論文  参考訳（メタデータ） (2022-03-09T18:58:22Z)
• Cascaded Cross MLP-Mixer GANs for Cross-View Image Translation [70.00392682183515]
  従来のクロスビュー画像変換法では、ターゲットビューで画像を生成することは困難である。 本稿では,カスケードクロスミキサー(CrossMLP)サブネットワークを用いた新しい2段階フレームワークを提案する。 最初の段階では、CrossMLPサブネットワークは、画像コードとセマンティックマップコードの間の潜時変換のキューを学習する。 第2段階では、ノイズの多いセマンティックラベル問題を緩和する改良されたピクセルレベルの損失を設計する。
  論文  参考訳（メタデータ） (2021-10-19T18:03:30Z)
• RepMLP: Re-parameterizing Convolutions into Fully-connected Layers for Image Recognition [123.59890802196797]
  画像認識のための多層パーセプトロン型ニューラルネットワーク構築ブロックであるRepMLPを提案する。 トレーニング中にRepMLP内に畳み込み層を構築し,それをFCにマージして推論を行う。 従来のCNNにRepMLPを挿入することで、ImageNetでは1.8%の精度、顔認識では2.9%、FLOPの低いCityscapeでは2.3%のmIoUを改善します。
  論文  参考訳（メタデータ） (2021-05-05T06:17:40Z)
• MLP-Mixer: An all-MLP Architecture for Vision [93.16118698071993]
  マルチ層パーセプトロン(MLP)を基盤としたアーキテクチャ「Mixer」を発表。 Mixerはイメージ分類ベンチマークで競合スコアを獲得し、事前トレーニングと推論は最先端のモデルに匹敵する。
  論文  参考訳（メタデータ） (2021-05-04T16:17:21Z)
• Spatial Context-Aware Self-Attention Model For Multi-Organ Segmentation [18.76436457395804]
  マルチ組織セグメンテーションは、医学画像解析におけるディープラーニングの最も成功した応用の1つである。 深部畳み込みニューラルネット(CNN)は,CT画像やMRI画像上で臨床応用画像のセグメンテーション性能を達成する上で非常に有望である。 本研究では,高分解能2次元畳み込みによりセグメンテーションを実現する3次元モデルと2次元モデルを組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-12-16T21:39:53Z)

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。