論文の概要: Shape Aware Automatic Region-of-Interest Subdivisions
- arxiv url: http://arxiv.org/abs/2212.08810v1
- Date: Sat, 17 Dec 2022 06:10:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 18:35:21.359391
- Title: Shape Aware Automatic Region-of-Interest Subdivisions
- Title(参考訳): 形状認識による関心領域の自動分割
- Authors: Timothy L. Kline
- Abstract要約: 心筋壁の巣状領域の医用画像解析に本法を適用した結果について報告する。
この方法は、特定の領域をサブユニットに分けるために、領域内の変動強度やその他の基準が不要な場合に、関心領域(SROI)を作成することに特に関心がある。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In a wide variety of fields, analysis of images involves defining a region
and measuring its inherent properties. Such measurements include a region's
surface area, curvature, volume, average gray and/or color scale, and so on.
Furthermore, the subsequent subdivision of these regions is sometimes
performed. These subdivisions are then used to measure local information, at
even finer scales. However, simple griding or manual editing methods are
typically used to subdivide a region into smaller units. The resulting
subdivisions can therefore either not relate well to the actual shape or
property of the region being studied (i.e., gridding methods), or be time
consuming and based on user subjectivity (i.e., manual methods). The method
discussed in this work extracts subdivisional units based on a region's general
shape information. We present the results of applying our method to the medical
image analysis of nested regions-of-interest of myocardial wall, where the
subdivisions are used to study temporal and/or spatial heterogeneity of
myocardial perfusion. This method is of particular interest for creating
subdivision regions-of-interest (SROIs) when no variable intensity or other
criteria within a region need be used to separate a particular region into
subunits.
- Abstract(参考訳): 様々な分野において、画像の分析は領域を定義し、その固有の特性を測定する。
このような測定には、領域の表面積、曲率、体積、平均グレーと/またはカラースケールなどが含まれる。
さらに、これらの領域のその後の区分も行われることがある。
これらの区分は、さらに微細なスケールで局所的な情報を測定するために使われる。
しかし、単純なグリッドや手作業による編集は、通常、領域を小さな単位に分割するために使われる。
したがって、結果として生じる部分分割は、研究対象領域の実際の形状や特性(グリッド化法)とうまく関係しないか、あるいはユーザの主観性(つまり手動法)に基づいて時間を要するかのいずれかである。
本研究で論じる方法は,領域の一般的な形状情報に基づいて分割単位を抽出する。
本研究は, 心筋血流の経時的および/または空間的不均質性を研究するために, 心筋壁の異所性領域の医用画像解析に本手法を適用した結果である。
この方法は、特定の領域をサブユニットに分けるために、領域内の変動強度やその他の基準が必要ない場合に、関心領域(SROI)を作成することに特に関心がある。
関連論文リスト
- Unsupervised Region-Based Image Editing of Denoising Diffusion Models [50.005612464340246]
本研究では,事前学習した拡散モデルの潜在空間における意味的属性を,それ以上の訓練を伴わずに同定する手法を提案する。
提案手法により,局所的なマスキング領域の正確な意味発見と制御が容易になり,アノテーションの必要がなくなる。
論文 参考訳(メタデータ) (2024-12-17T13:46:12Z) - Integration of geoelectric and geochemical data using Self-Organizing
Maps (SOM) to characterize a landfill [0.0]
公共利用のために帯水層に影響を及ぼすリスクは、ほとんどの場合、差し迫っている。
地電データ(比抵抗とIP)と表面メタン測定は、教師なしニューラルネットワークを用いて統合され、分類される。
また, 埋立処分場における影響地域を正確に推定し, 入力変数をSOMを用いて統合した。
論文 参考訳(メタデータ) (2023-09-17T05:38:54Z) - An Object Aware Hybrid U-Net for Breast Tumour Annotation [13.858624044986815]
病理学者は、疑わしい腫瘍領域の周囲の粗い境界をマークすることで、がんのスライドを注釈する。
本研究は,腫瘍範囲を多角形境界で区分することで,病理学者をアノテーションのように模倣する試みである。
提案したハイブリッドディープラーニングモデルでは,従来のActive Contoursセグメンテーション手法を用いて,最新のディープラーニングセグメンテーションアルゴリズムを融合する。
論文 参考訳(メタデータ) (2022-02-22T06:30:31Z) - Multiple Hypothesis Testing Framework for Spatial Signals [42.95566109115774]
我々は,複数の仮説テストから派生した一般フレームワークを開発し,そのような領域を同定する。
予め特定されたレベルで偽発見率を制御しながら、異なる仮説に関連する空間格子点を同定する。
本稿では,モーメントのスペクトル法に基づいて局所的な偽発見率を推定する新しいデータ駆動手法を提案する。
論文 参考訳(メタデータ) (2021-08-27T14:48:51Z) - Unsupervised Local Discrimination for Medical Images [35.14445357879895]
コントラスト表現学習は、医用画像処理における高価な注釈付きデータの需要を軽減する効果的な方法である。
最近の研究は主に、グローバルな特徴を学習するインスタンスワイドな差別に基づいているが、局所的な詳細は無視されている。
医療モデルを効果的に初期化するために,局所的識別特徴を学習するための普遍的局所識別フレームワークを提案する。
論文 参考訳(メタデータ) (2021-08-21T04:53:19Z) - Object-Guided Instance Segmentation With Auxiliary Feature Refinement
for Biological Images [58.914034295184685]
サンプルセグメンテーションは、神経細胞相互作用の研究、植物の表現型化、細胞が薬物治療にどう反応するかを定量的に測定するなど、多くの生物学的応用において非常に重要である。
Boxベースのインスタンスセグメンテーションメソッドは、バウンディングボックスを介してオブジェクトをキャプチャし、各バウンディングボックス領域内で個々のセグメンテーションを実行する。
提案手法は,まずオブジェクトの中心点を検出し,そこから境界ボックスパラメータが予測される。
セグメンテーションブランチは、オブジェクト特徴をガイダンスとして再利用し、同じバウンディングボックス領域内の隣のオブジェクトからターゲットオブジェクトを分離する。
論文 参考訳(メタデータ) (2021-06-14T04:35:36Z) - Non-Salient Region Object Mining for Weakly Supervised Semantic
Segmentation [64.2719590819468]
弱教師付きセマンティックセグメンテーションのための非塩分領域オブジェクトマイニング手法を提案する。
擬似ラベルの偽陰性率を低減するために、潜在的なオブジェクトマイニングモジュールを提案する。
非サリエント領域マスキングモジュールは、非サリエント領域内のオブジェクトをさらに発見するのに役立ちます。
論文 参考訳(メタデータ) (2021-03-26T16:44:03Z) - Rethinking Semantic Segmentation Evaluation for Explainability and Model
Selection [12.786648212233116]
地域ベースのオーバーおよびアンダーセグメンテーションを評価するための新しいメトリクスを紹介します。
分析して他のメトリクスと比較し、実世界のアプリケーションにおけるセマンティックセグメンテーションモデルのパフォーマンスをより説明しやすくなることを示す。
論文 参考訳(メタデータ) (2021-01-21T03:12:43Z) - Polyp-artifact relationship analysis using graph inductive learned
representations [52.900974021773024]
大腸癌の診断プロセスは主にポリープ(polyps)として知られる大腸組織における異常増殖の局在と特徴づけに焦点を当てている。
近年の深層物体の局在化の進展にもかかわらず、組織と高レベルのアーティファクトとの類似性により、ポリープの局在化は依然として困難である。
近年の研究では、ポリプ検出タスクにおける人工物の存在が負の影響を示しており、トレーニングプロセスの中でそれらを考慮し始めている。
論文 参考訳(メタデータ) (2020-09-15T13:56:39Z) - Multi-Miner: Object-Adaptive Region Mining for Weakly-Supervised
Semantic Segmentation [96.85164033097524]
オブジェクト領域のマイニングは、弱い教師付きセマンティックセグメンテーションにとって重要なステップである。
本稿では,多様なオブジェクトサイズに対応する領域マイニングプロセスを実現するための,新しいマルチマイニングフレームワークを提案する。
実験により, マルチマイニングにより, 地域マイニングの精度が向上し, セグメンテーション性能が向上することが示された。
論文 参考訳(メタデータ) (2020-06-14T08:00:42Z) - LRC-Net: Learning Discriminative Features on Point Clouds by Encoding
Local Region Contexts [65.79931333193016]
本稿では,LRC-Net(Local-Region-Context Network)を提案する。
LRC-Netは、局所領域内および周辺領域間の微粒なコンテキストを同時に符号化する。
その結果, LRC-Netは形状分類や形状分割の応用において最先端の手法と競合することがわかった。
論文 参考訳(メタデータ) (2020-03-18T14:34:08Z)
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。