論文の概要: Topology-Preserving Segmentation Network

• arxiv url: http://arxiv.org/abs/2210.03299v1
• Date: Fri, 7 Oct 2022 03:13:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 13:59:07.229659
• Title: Topology-Preserving Segmentation Network
• Title（参考訳）: トポロジー保存セグメンテーションネットワーク
• Authors: Han Zhang, Lok Ming Lui
• Abstract要約: 本稿では,特定のタスクに規定されたトポロジと同一のセグメンテーションマスクを予測可能なトポロジ保存ネットワーク(TPSN)を提案する。 TPSNは変形ベースのモデルであり、エンコーダ・デコーダアーキテクチャを通して変形マップを生成し、テンプレートマスクを目標形状にワープする。 本稿では,ReLUヤコビ正規化項を慎重に設計し,変形写像のビジェクティビティを強制する。
• 参考スコア（独自算出の注目度）: 7.95119530218428
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical image segmentation aims to automatically extract anatomical or pathological structures in the human body. Most objects or regions of interest are of similar patterns. For example, the relative location and the relative size of the lung and the kidney differ little among subjects. Incorporating these morphology rules as prior knowledge into the segmentation model is believed to be an effective way to enhance the accuracy of the segmentation results. Motivated by this, we propose in this work the Topology-Preserving Segmentation Network (TPSN) which can predict segmentation masks with the same topology prescribed for specific tasks. TPSN is a deformation-based model that yields a deformation map through an encoder-decoder architecture to warp the template masks into a target shape approximating the region to segment. Comparing to the segmentation framework based on pixel-wise classification, deformation-based segmentation models that warp a template to enclose the regions are more convenient to enforce geometric constraints. In our framework, we carefully design the ReLU Jacobian regularization term to enforce the bijectivity of the deformation map. As such, the predicted mask by TPSN has the same topology as that of the template prior mask.
• Abstract（参考訳）: 医用画像分割は、人体の解剖学的または病理学的構造を自動的に抽出することを目的としている。 ほとんどのオブジェクトや関心のある領域は同じようなパターンです。 例えば、肺と腎臓の相対的な位置と相対的な大きさは被験者によってほとんど異なる。 これらの形態規則を事前知識としてセグメンテーションモデルに取り入れることは、セグメンテーション結果の精度を高める効果的な方法であると考えられている。 そこで本研究では,特定のタスクに所定のトポロジと同一のセグメンテーションマスクを予測可能なトポロジ保存セグメンテーションネットワーク(TPSN)を提案する。 TPSNは変形に基づくモデルであり、エンコーダデコーダアーキテクチャを通して変形マップを生成し、テンプレートマスクをセグメントに近似したターゲット形状にワープする。 画素単位の分類に基づくセグメンテーションフレームワークと比較して、領域を囲むテンプレートをワープする変形ベースのセグメンテーションモデルは、幾何学的制約を強制するのにより便利である。 本手法では,変形写像の単射性を強制するために,relu jacobian regularization term を慎重に設計する。 そのため、TPSNによる予測マスクはテンプレート前のマスクと同じトポロジーを持つ。

関連論文リスト

• Slender Object Scene Segmentation in Remote Sensing Image Based on Learnable Morphological Skeleton with Segment Anything Model [23.419029471215325]
  本稿では,学習可能な形態学スケルトンを深層ニューラルネットワークに組み込む新しい手法を提案する。 建物や道路を含むリモートセンシングデータセットの実験結果から,本手法が元のセグメンテーションモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-13T13:19:51Z)
• SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
  本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。 私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。 アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
  論文  参考訳（メタデータ） (2024-09-30T17:59:03Z)
• A rank decomposition for the topological classification of neural representations [0.0]
  この研究では、ニューラルネットワークが連続的なピースワイズアフィンマップと等価であるという事実を活用している。 多様体 $mathcalM$ と部分集合 $A$ の商のホモロジー群を研究し、これらの空間上のいくつかの極小性質を仮定する。 ランダムに狭いネットワークでは、データ多様体の(コ)ホモロジー群が変化する領域が存在することを示す。
  論文  参考訳（メタデータ） (2024-04-30T17:01:20Z)
• Distilling Ensemble of Explanations for Weakly-Supervised Pre-Training of Image Segmentation Models [54.49581189337848]
  本稿では,分類データセットに基づく画像分割モデルのエンドツーエンド事前学習を可能にする手法を提案する。 提案手法は重み付きセグメンテーション学習法を利用して,重み付きセグメンテーションネットワークを事前訓練する。 実験の結果,ImageNetにソースデータセットとしてPSSLを伴って提案されたエンドツーエンドの事前トレーニング戦略が,さまざまなセグメンテーションモデルの性能向上に成功していることがわかった。
  論文  参考訳（メタデータ） (2022-07-04T13:02:32Z)
• Topology-Preserving Segmentation Network: A Deep Learning Segmentation Framework for Connected Component [7.95119530218428]
  医用画像では、腎臓や肺などの構造のトポロジーが通常知られている。 イットトポロジ保存セグメンテーションネットワーク(TPSN)をトレーニングし、正確なセグメンテーション結果を与える。 TPSNは、UNetを通して変形マップを生成する変形ベースのモデルである。 本稿では,画像のマルチレベル情報を組み込んだマルチスケールTPSNを開発し,より正確なセグメンテーション結果を生成する。
  論文  参考訳（メタデータ） (2022-02-27T09:56:33Z)
• A Topology-Attention ConvLSTM Network and Its Application to EM Images [11.081936935096873]
  本稿では3次元画像分割のための新しいTopologyAttention ConvLSTM Network(TACNet)を提案する。 具体的には,2次元画像スライスをスタックとして3次元画像を処理するSTA(Spatial Topology-Attention)モジュールを提案する。 スライス間でトポロジクリティカルな情報を効果的に伝達するために,Iterative-Topology Attention (ITA)モジュールを提案する。
  論文  参考訳（メタデータ） (2022-02-07T01:33:01Z)
• Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
  病理組織像における腺分節に対するPRS2モデルを提案する。 このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。 我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
  論文  参考訳（メタデータ） (2020-08-06T15:02:38Z)
• Pre-Trained Models for Heterogeneous Information Networks [57.78194356302626]
  異種情報ネットワークの特徴を捉えるための自己教師付き事前学習・微調整フレームワークPF-HINを提案する。 PF-HINは4つのデータセットにおいて、各タスクにおける最先端の代替よりも一貫して、大幅に優れています。
  論文  参考訳（メタデータ） (2020-07-07T03:36:28Z)
• Neural Subdivision [58.97214948753937]
  本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。 すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。 単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
  論文  参考訳（メタデータ） (2020-05-04T20:03:21Z)
• Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
  深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。 本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。 複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
  論文  参考訳（メタデータ） (2020-03-31T22:38:09Z)

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。