論文の概要: Loc-VAE: Learning Structurally Localized Representation from 3D Brain MR
Images for Content-Based Image Retrieval
- arxiv url: http://arxiv.org/abs/2210.00506v1
- Date: Sun, 2 Oct 2022 13:00:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 15:00:13.627080
- Title: Loc-VAE: Learning Structurally Localized Representation from 3D Brain MR
Images for Content-Based Image Retrieval
- Title(参考訳): loc-vae: コンテンツベース画像検索のための3次元脳mr画像からの構造的局所表現の学習
- Authors: Kei Nishimaki, Kumpei Ikuta, Yuto Onga, Hitoshi Iyatomi, Kenichi Oishi
- Abstract要約: 3次元脳MRI画像から神経解剖学的に解釈可能な低次元表現を提供する局所的変分オートエンコーダ(Loc-VAE)を提案する。
Loc-VAEは病気の特徴を保存し、高次元圧縮比の下でも高度に局所化されている表現を取得することができる。
- 参考スコア(独自算出の注目度): 2.449909275410288
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Content-based image retrieval (CBIR) systems are an emerging technology that
supports reading and interpreting medical images. Since 3D brain MR images are
high dimensional, dimensionality reduction is necessary for CBIR using machine
learning techniques. In addition, for a reliable CBIR system, each dimension in
the resulting low-dimensional representation must be associated with a
neurologically interpretable region. We propose a localized variational
autoencoder (Loc-VAE) that provides neuroanatomically interpretable
low-dimensional representation from 3D brain MR images for clinical CBIR.
Loc-VAE is based on $\beta$-VAE with the additional constraint that each
dimension of the low-dimensional representation corresponds to a local region
of the brain. The proposed Loc-VAE is capable of acquiring representation that
preserves disease features and is highly localized, even under high-dimensional
compression ratios (4096:1). The low-dimensional representation obtained by
Loc-VAE improved the locality measure of each dimension by 4.61 points compared
to naive $\beta$-VAE, while maintaining comparable brain reconstruction
capability and information about the diagnosis of Alzheimer's disease.
- Abstract(参考訳): CBIR(Content-based Image Search)は、医療画像の読み書きを支援する新興技術である。
3次元脳MR画像は高次元であるため,機械学習技術を用いてCBIRの次元化が必要である。
さらに、信頼性のあるCBIRシステムでは、結果として生じる低次元表現の各次元は神経学的に解釈可能な領域と関連付けられなければならない。
臨床用3次元脳MR画像から神経解剖学的に解釈可能な低次元表現を提供する局所的変分オートエンコーダ(Loc-VAE)を提案する。
Loc-VAEは$\beta$-VAEに基づいており、低次元表現の各次元が脳の局所領域に対応するという追加の制約がある。
提案するloc-vaeは, 高次元圧縮比 (4096:1) においても, 疾患の特徴を保存し, 高度に局所化することができる。
loc-vaeにより得られた低次元表現は、アルツハイマー病の診断に関する同等の脳再構成能力と情報を維持しつつ、naive $\beta$-vaeと比較して各次元の局所性尺度を4.61ポイント改善した。
関連論文リスト
- 3D Volumetric Super-Resolution in Radiology Using 3D RRDB-GAN [4.8698443014985715]
本研究では,放射線画像の3次元超解像のための3次元残留残差ブロックGAN(3D RRDB-GAN)を提案する。
3D RRDB-GANの重要な側面は2.5D Dense損失関数の統合である。
論文 参考訳(メタデータ) (2024-02-06T17:26:18Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-01T10:10:46Z) - 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) - Perspective Projection-Based 3D CT Reconstruction from Biplanar X-rays [32.98966469644061]
我々は,X線を用いた新しいCT再構成フレームワークPerX2CTを提案する。
提案手法は,各座標に対して異なる特徴の組み合わせを提供し,モデルが3次元位置に関する情報を暗黙的に取得できるようにする。
論文 参考訳(メタデータ) (2023-03-09T14:45:25Z) - View-Disentangled Transformer for Brain Lesion Detection [50.4918615815066]
より正確な腫瘍検出のためのMRI特徴抽出のための新しいビューディペンタングル変換器を提案する。
まず, 3次元脳スキャンにおいて, 異なる位置の長距離相関を求める。
第二に、トランスフォーマーはスライス機能のスタックを複数の2Dビューとしてモデル化し、これらの機能をビュー・バイ・ビューとして拡張する。
第三に、提案したトランスモジュールをトランスのバックボーンに展開し、脳病変を取り巻く2D領域を効果的に検出する。
論文 参考訳(メタデータ) (2022-09-20T11:58:23Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳(メタデータ) (2022-09-19T09:43:19Z) - Spatial Attention-based Implicit Neural Representation for Arbitrary
Reduction of MRI Slice Spacing [17.16588480746507]
本稿では,MR間隔を任意に削減するための空間注意に基づくインプシットニューラル表現(SA-INR)ネットワークを提案する。
SA-INRは、座標を連続的に3次元空間にサンプリングすることにより、任意のスライス間隔でMR画像を再構成することができる。
HCP-1200データセットと臨床膝関節MRデータセットを用いて本手法の評価を行い,他の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) (2022-05-23T14:36:59Z) - Medical Transformer: Universal Brain Encoder for 3D MRI Analysis [1.6287500717172143]
既存の3Dベースの手法は、トレーニング済みのモデルを下流のタスクに転送している。
彼らは3D医療イメージングのためのモデルを訓練するために大量のパラメータを要求します。
本稿では,2次元画像スライス形式で3次元容積画像を効果的にモデル化する,メディカルトランスフォーマーと呼ばれる新しい伝達学習フレームワークを提案する。
論文 参考訳(メタデータ) (2021-04-28T08:34:21Z) - Hierarchical Amortized Training for Memory-efficient High Resolution 3D
GAN [52.851990439671475]
本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。
トレーニングと推論の異なる構成を使用することで、この目標を達成する。
3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
論文 参考訳(メタデータ) (2020-08-05T02:33:04Z) - 4D Spatio-Temporal Convolutional Networks for Object Position Estimation
in OCT Volumes [69.62333053044712]
3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。
我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
論文 参考訳(メタデータ) (2020-07-02T12:02:20Z)
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。