論文の概要: Unsupervised Method for Intra-patient Registration of Brain Magnetic Resonance Images based on Objective Function Weighting by Inverse Consistency: Contribution to the BraTS-Reg Challenge

• arxiv url: http://arxiv.org/abs/2211.07386v1
• Date: Mon, 14 Nov 2022 14:12:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 16:45:21.984099
• Title: Unsupervised Method for Intra-patient Registration of Brain Magnetic Resonance Images based on Objective Function Weighting by Inverse Consistency: Contribution to the BraTS-Reg Challenge
• Title（参考訳）: 逆一貫性による目的関数重み付けに基づく脳磁気共鳴画像の患者内登録方法:BraTS-Regチャレンジへの貢献
• Authors: Marek Wodzinski, Artur Jurgas, Niccolo Marini, Manfredo Atzori, Henning Muller
• Abstract要約: この記事では、BraTS-Regチャレンジの2つのエディションへのコントリビューションについて説明する。 提案手法は,ディープラーニングとインスタンス最適化を組み合わせたアプローチに基づいている。 この方法はIEEE I SBI 2022バージョンで1位、MICCAI 2022では3位となった。
• 参考スコア（独自算出の注目度）: 0.10838308315179153
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Registration of brain scans with pathologies is difficult, yet important research area. The importance of this task motivated researchers to organize the BraTS-Reg challenge, jointly with IEEE ISBI 2022 and MICCAI 2022 conferences. The organizers introduced the task of aligning pre-operative to follow-up magnetic resonance images of glioma. The main difficulties are connected with the missing data leading to large, nonrigid, and noninvertible deformations. In this work, we describe our contributions to both the editions of the BraTS-Reg challenge. The proposed method is based on combined deep learning and instance optimization approaches. First, the instance optimization enriches the state-of-the-art LapIRN method to improve the generalizability and fine-details preservation. Second, an additional objective function weighting is introduced, based on the inverse consistency. The proposed method is fully unsupervised and exhibits high registration quality and robustness. The quantitative results on the external validation set are: (i) IEEE ISBI 2022 edition: 1.85, and 0.86, (ii) MICCAI 2022 edition: 1.71, and 0.86, in terms of the mean of median absolute error and robustness respectively. The method scored the 1st place during the IEEE ISBI 2022 version of the challenge and the 3rd place during the MICCAI 2022. Future work could transfer the inverse consistency-based weighting directly into the deep network training.
• Abstract（参考訳）: 脳スキャンと病理の登録は難しいが、重要な研究領域である。 このタスクの重要性は、IEEE ISBI 2022とMICCAI 2022と共同でBraTS-Regチャレンジを組織する研究者の動機となった。 オーガナイザーは、グリオーマの磁気共鳴画像に事前手術を施すタスクを導入した。 主な困難は、大きな、非剛性、非可逆的な変形につながる欠落データと結びついている。 本稿では,brats-regチャレンジの両エディションへの貢献について述べる。 提案手法は,ディープラーニングとインスタンス最適化を組み合わせた手法である。 まず、インスタンス最適化により、最先端のLapIRN法が強化され、一般化性と細部保存性が向上する。 第二に、逆整合性に基づいて追加の目的関数重み付けを導入する。 提案手法は完全に教師なしであり,高い登録品質とロバスト性を示す。 外的検証セットの定量的結果は次のとおりである。 (i)IEEE ISBI 2022版 1.85、0.86 (ii)miccai 2022 版: 1.71 と 0.86 それぞれ中央値の絶対誤差とロバスト性の平均について。 IEEE ISBI 2022版では1位、MICCAI 2022では3位となった。 将来の作業は、逆一貫性に基づく重み付けをディープネットワークトレーニングに直接転送する可能性がある。

関連論文リスト

• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• MIPI 2023 Challenge on RGBW Remosaic: Methods and Results [88.53703757370016]
  本稿は、MIPI 2023上でのRGBW Joint Remosaic and Denoiseのトラックを要約し、レビューする。 合計81人の参加者が登録され、4チームが最終テストフェーズで結果を提出した。 本論文では,本課題で開発された上位3モデルについて詳述する。
  論文  参考訳（メタデータ） (2023-04-20T05:12:42Z)
• MIPI 2023 Challenge on RGBW Fusion: Methods and Results [88.53703757370016]
  本稿は、MIPI 2023上でのRGBW Joint Fusion and Denoiseのトラックを要約し、レビューする。 合計69人の参加者が登録され、4チームが最終テストフェーズで結果を提出した。 本論文では,本課題で開発された上位3モデルについて詳述する。
  論文  参考訳（メタデータ） (2023-04-20T05:02:03Z)
• The Second Monocular Depth Estimation Challenge [93.1678025923996]
  MDEC (Monocular Depth Estimation Challenge) の第2版は、いかなる種類の監視方法にも開放された。 この課題はSynS-Patchesデータセットをベースとしており、高品質な高密度地下構造を持つ多様な環境を特徴としている。 上位の監督官は相対的なFスコアを27.62%改善し、上位の監督官は16.61%改善した。
  論文  参考訳（メタデータ） (2023-04-14T11:10:07Z)
• SurgT challenge: Benchmark of Soft-Tissue Trackers for Robotic Surgery [10.895748170187638]
  本稿では,MICCAI 2022と共に編成されたSurgT: Surgery Trackingについて紹介する。 参加者は軟組織の動きを追跡するアルゴリズムを開発するタスクを割り当てられた。 課題の最後に、開発したメソッドは以前に隠されたテストサブセットに基づいて評価された。
  論文  参考訳（メタデータ） (2023-02-06T18:57:30Z)
• Fine-Grained Hard Negative Mining: Generalizing Mitosis Detection with a Fifth of the MIDOG 2022 Dataset [1.2183405753834562]
  ミトーシス領域一般化チャレンジ2022(MIDOG)の深層学習ソリューションについて述べる。 我々のアプローチは、アグレッシブデータ拡張を用いた回転不変深層学習モデルの訓練である。 我々のモデルアンサンブルは、自動評価後の最終テストセットで.697のF1スコアを達成した。
  論文  参考訳（メタデータ） (2023-01-03T13:06:44Z)
• NTIRE 2022 Challenge on Perceptual Image Quality Assessment [90.04931572825859]
  画像品質評価(IQA)におけるNTIRE 2022の課題について報告する。 この課題は、知覚画像処理アルゴリズムによるIQAの新たな課題に対処するためである。 当選方法は、最先端の性能を示すことができる。
  論文  参考訳（メタデータ） (2022-06-23T13:36:49Z)
• NTIRE 2022 Challenge on High Dynamic Range Imaging: Methods and Results [173.32437855731752]
  この課題はCVPR 2022と共同でNTIRE(New Trends in Image Restoration and Enhancement)ワークショップの一環として行われた。 この課題は、複数の低ダイナミックレンジ(LDR)観測からHDR画像を推定することを目的としている。
  論文  参考訳（メタデータ） (2022-05-25T10:20:06Z)
• Rotation Invariance and Extensive Data Augmentation: a strategy for the Mitosis Domain Generalization (MIDOG) Challenge [1.52292571922932]
  我々は,MIDOG 2021コンペティションに参加するための戦略を提示する。 このコンペティションの目的は、目に見えないターゲットスキャナーで取得した画像に対する解の一般化を評価することである。 本稿では,最先端のディープラーニング手法の組み合わせに基づく解を提案する。
  論文  参考訳（メタデータ） (2021-09-02T10:09:02Z)
• 1st Place Solution for ICDAR 2021 Competition on Mathematical Formula Detection [3.600275712225597]
  数式検出(MFD)に関するICDAR 2021コンペティションの第一位ソリューションを提示する。 MFDタスクには、大規模スパン、高さと幅の比率の大きなばらつき、リッチな文字集合と数学的表現を含む3つの重要な課題がある。 これらの課題を考慮し, アンカーフリー手法であるGeneralized Focal Loss (GFL) を用いた。
  論文  参考訳（メタデータ） (2021-07-12T16:03:16Z)

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。