論文の概要: Using Atom-Like Local Image Features to Study Human Genetics and Neuroanatomy in Large Sets of 3D Medical Image Volumes

• arxiv url: http://arxiv.org/abs/2208.12361v1
• Date: Thu, 25 Aug 2022 22:27:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-29 13:25:33.539265
• Title: Using Atom-Like Local Image Features to Study Human Genetics and Neuroanatomy in Large Sets of 3D Medical Image Volumes
• Title（参考訳）: 原子様局所像を用いた大規模3次元画像量におけるヒト遺伝学と神経解剖学の研究
• Authors: Laurent Chauvin
• Abstract要約: この論文の貢献は、3次元画像空間で抽出された原子のような特徴から大量の画像を分析するために開発された技術に起因している。 電荷に類似した二元的特徴符号と3次元空間における対称的特徴配向状態の離散的集合を含む新しい特徴特性が導入された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The contributions of this thesis stem from technology developed to analyse large sets of volumetric images in terms of atom-like features extracted in 3D image space, following SIFT algorithm in 2D image space. New feature properties are introduced including a binary feature sign, analogous to an electrical charge, and a discrete set of symmetric feature orientation states in 3D space. These new properties are leveraged to extend feature invariance to include the sign inversion and parity (SP) transform, analogous to the charge conjugation and parity (CP) transform between a particle and its antiparticle in quantum mechanics, thereby accounting for local intensity contrast inversion between imaging modalities and axis reflections due to shape symmetry. A novel exponential kernel is proposed to quantify the similarity of a pair of features extracted in different images from their properties including location, scale, orientation, sign and appearance. A novel measure entitled the soft Jaccard is proposed to quantify the similarity of a pair of feature sets based on their overlap or intersection-over-union, where a kernel establishes non-binary or soft equivalence between a pair of feature elements. The soft Jaccard may be used to identify pairs of feature sets extracted from the same individuals or families with high accuracy, and a simple distance threshold led to the surprising discovery of previously unknown individual and family labeling errors in major public neuroimage datasets. A new algorithm is proposed to register or spatially align a pair of feature sets, entitled SIFT Coherent Point Drift (SIFT-CPD), by identifying a transform that maximizes the soft Jaccard between a fixed feature set and a transformed set. SIFT-CPD achieves faster and more accurate registration than the original CPD algorithm based on feature location information alone, in a variety of challenging.
• Abstract（参考訳）: この論文の貢献は、2次元画像空間におけるSIFTアルゴリズムに従って、3次元画像空間で抽出された原子のような特徴から大量の画像を分析するために開発された技術に由来する。 電荷に類似した二元的特徴符号と3次元空間における対称的特徴配向状態の離散的集合を含む新しい特徴特性が導入された。 これらの新しい性質は、量子力学における粒子とその反粒子間の電荷共役とパリティ(cp)変換に類似する符号反転とパリティ(sp)変換を含むように特徴不変性を拡張するために利用され、これにより、形状対称性による撮像モードと軸反射の局所的な強度のコントラスト反転を計算できる。 位置, スケール, 方向, 符号, 外観など, 異なる画像から抽出された特徴の対の類似性を定量化するために, 新たな指数カーネルを提案する。 ソフトジャカード (Soft Jaccard) と題された新しい尺度は、カーネルが一対の特徴要素間の非二項同値性やソフト同値性を確立する場合、その重なり合いや交叉対に基づいて、一対の特徴集合の類似性を定量化するものである。 ソフトジャカードは、同一個人または家族から抽出された特徴セットのペアを高い精度で識別するために使用され、単純な距離閾値によって、主要な公開神経画像データセットにおいて、これまで未知の個人および家族のラベル付けエラーが驚くほど発見される。 シフトコヒーレント点ドリフト(sift coherent point drift, sift-cpd)と呼ばれる2つの特徴集合を、固定された特徴集合と変換集合の間のソフトジャッカーを最大化する変換を同定し、登録または空間的に整列する新しいアルゴリズムを提案する。 SIFT-CPDは,特徴位置情報のみに基づく元のCPDアルゴリズムよりも高速かつ高精度な登録を実現する。

関連論文リスト

• Explicit Correspondence Matching for Generalizable Neural Radiance Fields [49.49773108695526]
  本稿では,新たな未知のシナリオに一般化し,2つのソースビューで新規なビュー合成を行う新しいNeRF手法を提案する。 明瞭な対応マッチングは、異なるビュー上の3Dポイントの2次元投影でサンプリングされた画像特徴間のコサイン類似度と定量化される。 実験では,実験結果から得られたコサイン特徴の類似性と体積密度との間に強い相関関係が認められた。
  論文  参考訳（メタデータ） (2023-04-24T17:46:01Z)
• Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
  トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。 また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。 提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
  論文  参考訳（メタデータ） (2023-01-15T16:19:18Z)
• Differentiable Uncalibrated Imaging [25.67247660827913]
  本稿では,センサ位置や投影角などの測定座標の不確実性に対処する,識別可能なイメージングフレームワークを提案する。 入力座標に対して自然に微分可能な暗黙のニューラルネットワーク、別名ニューラルフィールドを適用する。 測定表現を協調的に適合させ、不確実な測定座標を最適化し、一貫したキャリブレーションを保証する画像再構成を行うため、微分性は鍵となる。
  論文  参考訳（メタデータ） (2022-11-18T22:48:09Z)
• DPCN++: Differentiable Phase Correlation Network for Versatile Pose Registration [18.60311260250232]
  本稿では,世界規模で収束し,対応のない位相相関解法を提案する。 DCPN++は,2次元鳥眼視画像,3次元物体・シーン計測,医用画像など,入力モードが異なる幅広い登録タスクで評価される。
  論文  参考訳（メタデータ） (2022-06-12T10:00:34Z)
• Registering Image Volumes using 3D SIFT and Discrete SP-Symmetry [2.1829116024916844]
  -1,+1$ のバイナリ特徴符号 $s は、ラプラシア作用素 $nabla2$ の符号として定義される。 3Dパリティ変換は$(x,y,z)rightarrow(-x,-y,-z)$ transforms $(x,y,z)rightarrow(-x,-y,-z)$、すなわちSP-不変あるいはSP-対称である。
  論文  参考訳（メタデータ） (2022-05-30T22:57:55Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Iris Recognition Based on SIFT Features [63.07521951102555]
  アイリス画像の認識にはSIFT(Scale Invariant Feature Transformation)を用いる。 我々は、SIFT演算子を用いて、スケール空間における特徴SIFT特徴点を抽出し、特徴点周辺のテクスチャ情報に基づいてマッチングを行う。 また、SIFT手法と、極座標変換とLog-Gaborウェーブレットに基づく一般的なマッチング手法の相補性を示す。
  論文  参考訳（メタデータ） (2021-10-30T04:55:33Z)
• Automatic size and pose homogenization with spatial transformer network to improve and accelerate pediatric segmentation [51.916106055115755]
  空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。 私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。 腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
  論文  参考訳（メタデータ） (2021-07-06T14:50:03Z)
• Similarity-Aware Fusion Network for 3D Semantic Segmentation [87.51314162700315]
  本研究では,3次元セマンティックセグメンテーションのための2次元画像と3次元点雲を適応的に融合する類似性認識融合ネットワーク(SAFNet)を提案する。 我々は、入力とバックプロジェクションされた(2Dピクセルから)点雲の間の幾何学的および文脈的類似性を初めて学習する、後期融合戦略を採用している。 SAFNetは、様々なデータ完全性にまたがって、既存の最先端の核融合ベースのアプローチを著しく上回っている。
  論文  参考訳（メタデータ） (2021-07-04T09:28:18Z)

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。