論文の概要: Seg4Reg+: Consistency Learning between Spine Segmentation and Cobb Angle Regression

• arxiv url: http://arxiv.org/abs/2208.12462v1
• Date: Fri, 26 Aug 2022 07:00:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-29 13:00:26.852078
• Title: Seg4Reg+: Consistency Learning between Spine Segmentation and Cobb Angle Regression
• Title（参考訳）: seg4reg+:脊椎分節と cobb 角度回帰の一貫性学習
• Authors: Yi Lin, Luyan Liu, Kai Ma, Yefeng Zheng
• Abstract要約: 既存の方法では、ランドマーク推定からコブ角を計算するか、あるいはコブ角回帰タスクと低レベルタスクを単純に組み合わせる。 本研究では,セグメンテーションと回帰ネットワークを協調的に最適化する,Seg4Reg+という新しいマルチタスクフレームワークを提案する。 AASCE Challengeデータセット上で行った評価は、各モジュールの有効性と、最先端の手法に対するモデルの性能を実証するものである。
• 参考スコア（独自算出の注目度）: 29.449640947146943
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated methods for Cobb angle estimation are of high demand for scoliosis assessment. Existing methods typically calculate the Cobb angle from landmark estimation, or simply combine the low-level task (e.g., landmark detection and spine segmentation) with the Cobb angle regression task, without fully exploring the benefits from each other. In this study, we propose a novel multi-task framework, named Seg4Reg+, which jointly optimizes the segmentation and regression networks. We thoroughly investigate both local and global consistency and knowledge transfer between each other. Specifically, we propose an attention regularization module leveraging class activation maps (CAMs) from image-segmentation pairs to discover additional supervision in the regression network, and the CAMs can serve as a region-of-interest enhancement gate to facilitate the segmentation task in turn. Meanwhile, we design a novel triangle consistency learning to train the two networks jointly for global optimization. The evaluations performed on the public AASCE Challenge dataset demonstrate the effectiveness of each module and superior performance of our model to the state-of-the-art methods.
• Abstract（参考訳）: cobb角度推定のための自動化手法は、スコリシス評価に対する高い需要がある。 既存の方法は典型的には、目印推定からコブ角を計算するか、あるいはコブ角回帰タスクと低レベルタスク(例えば、ランドマーク検出とスピンセグメンテーション)を、お互いの利点を十分に探求することなく簡単に組み合わせる。 本研究では,セグメンテーションと回帰ネットワークを協調的に最適化する,Seg4Reg+という新しいマルチタスクフレームワークを提案する。 地域とグローバルの一貫性と知識の伝達を徹底的に調査する。 具体的には、画像分割ペアからクラスアクティベーションマップ(CAM)を活用してレグレッションネットワークのさらなる監視を行うアテンション正規化モジュールを提案する。 一方,グローバル最適化のために2つのネットワークを協調的に学習するための新しい三角形整合性学習を設計する。 AASCE Challengeデータセット上で行った評価は、各モジュールの有効性と、最先端手法に対するモデルの性能を実証するものである。

関連論文リスト

• Global Attention-Guided Dual-Domain Point Cloud Feature Learning for Classification and Segmentation [21.421806351869552]
  上記の問題に対処するために,グローバルアテンション誘導型デュアルドメイン特徴学習ネットワーク(GAD)を提案する。 我々はまず,改良されたグローバルアテンション機構を備えたコンテキスト位置強調変換器(CPT)モジュールを考案した。 次に、デュアルドメインK-アレスト隣のフィーチャーフュージョン(DKFF)をカスケードして、効果的なフィーチャーアグリゲーションを行う。
  論文  参考訳（メタデータ） (2024-07-12T05:19:19Z)
• Auxiliary Tasks Enhanced Dual-affinity Learning for Weakly Supervised Semantic Segmentation [79.05949524349005]
  AuxSegNet+は、サリエンシマップから豊富な情報を探索する弱教師付き補助学習フレームワークである。 また,サリエンシとセグメンテーションの特徴マップから画素レベルの親和性を学習するためのクロスタスク親和性学習機構を提案する。
  論文  参考訳（メタデータ） (2024-03-02T10:03:21Z)
• Early Fusion of Features for Semantic Segmentation [10.362589129094975]
  本稿では,効率的な画像分割を実現するために,分類器ネットワークとリバースHRNetアーキテクチャを統合する新しいセグメンテーションフレームワークを提案する。 私たちの手法は、Mapillary Vistas、Cityscapes、CamVid、COCO、PASCAL-VOC2012など、いくつかのベンチマークデータセットで厳格にテストされています。 その結果,画像解析における様々な応用の可能性を示し,高いセグメンテーション精度を実現する上で,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-02-08T22:58:06Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• MMA-Net: Multiple Morphology-Aware Network for Automated Cobb Angle Measurement [6.8243631770391735]
  本稿では,複数の脊椎形態を注目情報として統合することにより,コブ角測定精度を向上させる新しいフレームワークを提案する。 AASCEチャレンジデータセットを用いて本手法の評価を行い,SMAPEの7.28%,MAEの3.18degで優れた性能を示した。
  論文  参考訳（メタデータ） (2023-09-25T01:56:53Z)
• Interactive Segmentation as Gaussian Process Classification [58.44673380545409]
  クリックベースのインタラクティブセグメンテーション(IS)は、ユーザインタラクション下で対象オブジェクトを抽出することを目的としている。 現在のディープラーニング(DL)ベースの手法のほとんどは、主にセマンティックセグメンテーションの一般的なパイプラインに従っている。 本稿では,各画像上でガウス過程(GP)に基づく画素単位のバイナリ分類モデルとしてISタスクを定式化することを提案する。
  論文  参考訳（メタデータ） (2023-02-28T14:01:01Z)
• Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
  補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。 この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• 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)
• Fully Self-Supervised Learning for Semantic Segmentation [46.6602159197283]
  セマンティックセグメンテーション(FS4)のための完全自己教師型フレームワークを提案する。 自己スーパービジョンのためのグローバルなセマンティック知識をフル活用したセマンティックセマンティックセマンティクスのためのブートストラップ付きトレーニングスキームを提案する。 大規模COCO-Stuffデータセットを用いて本手法の評価を行い,対象物と対象物の両方において7.19mIoUの改善を実現した。
  論文  参考訳（メタデータ） (2022-02-24T09:38:22Z)
• Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation [90.28365183660438]
  本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。 我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。 特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-17T03:52:17Z)

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。