論文の概要: S3M: Scalable Statistical Shape Modeling through Unsupervised Correspondences

• arxiv url: http://arxiv.org/abs/2304.07515v2
• Date: Mon, 24 Jul 2023 08:10:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 23:11:45.857606
• Title: S3M: Scalable Statistical Shape Modeling through Unsupervised Correspondences
• Title（参考訳）: s3m: 教師なし対応によるスケーラブルな統計形状モデリング
• Authors: Lennart Bastian, Alexander Baumann, Emily Hoppe, Vincent B\"urgin, Ha Young Kim, Mahdi Saleh, Benjamin Busam, Nassir Navab
• Abstract要約: 本研究では,集団解剖学における局所的および大域的形状構造を同時に学習するための教師なし手法を提案する。 我々のパイプラインは、ベースライン法と比較して、SSMの教師なし対応推定を大幅に改善する。 我々の手法は、ノイズの多いニューラルネットワーク予測から学ぶのに十分堅牢であり、より大きな患者にSSMを拡張できる可能性がある。
• 参考スコア（独自算出の注目度）: 91.48841778012782
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Statistical shape models (SSMs) are an established way to represent the anatomy of a population with various clinically relevant applications. However, they typically require domain expertise, and labor-intensive landmark annotations to construct. We address these shortcomings by proposing an unsupervised method that leverages deep geometric features and functional correspondences to simultaneously learn local and global shape structures across population anatomies. Our pipeline significantly improves unsupervised correspondence estimation for SSMs compared to baseline methods, even on highly irregular surface topologies. We demonstrate this for two different anatomical structures: the thyroid and a multi-chamber heart dataset. Furthermore, our method is robust enough to learn from noisy neural network predictions, potentially enabling scaling SSMs to larger patient populations without manual segmentation annotation.
• Abstract（参考訳）: 統計的形状モデル (SSM) は、様々な臨床応用の集団の解剖学を表現する確立された方法である。 しかし、通常はドメインの専門知識と労働集約的なランドマークアノテーションが必要です。 深部幾何学的特徴と機能的対応を利用して集団解剖学における局所的および大域的形状構造を同時に学習する非教師付き手法を提案することで,これらの欠点に対処する。 本パイプラインは,高度に不規則な表面トポロジにおいても,ベースライン法と比較してssmsの教師なし対応推定を大幅に改善する。 甲状腺とマルチチャンバー心臓の2つの解剖学的構造について検討した。 さらに,本手法はノイズの多いニューラルネットワーク予測から学習できるほど堅牢であり,手動セグメンテーションアノテーションを使わずにSSMを大規模患者に拡張することができる可能性がある。

関連論文リスト

• UNSCT-HRNet: Modeling Anatomical Uncertainty for Landmark Detection in Total Hip Arthroplasty [21.90601597000203]
  本研究では,空間関係融合(SRF)モジュールと不確実性推定(UE)モジュールを統合するフレームワークUNSCT-HRNetを提案する。 構造化されていないデータに対して,提案手法は一定数の点に依存することなくランドマークを予測できる。 UNSCT-HRNetは、非構造化データの複数のメトリクスで60%以上の改善を実証しています。
  論文  参考訳（メタデータ） (2024-11-13T10:13:23Z)
• Weakly SSM : On the Viability of Weakly Supervised Segmentations for Statistical Shape Modeling [1.9029890402585894]
  統計的形状モデル (SSMs) は、個体群レベルの解剖学的変異を識別する。 SSMは専門家主導のマニュアルセグメンテーションの必要性によって制約されることが多い。 近年の深層学習手法により,非分割画像からのSSMの直接推定が可能となった。
  論文  参考訳（メタデータ） (2024-07-21T20:24:21Z)
• Anatomy-guided Pathology Segmentation [56.883822515800205]
  本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。 我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。 これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
  論文  参考訳（メタデータ） (2024-07-08T11:44:15Z)
• Probabilistic 3D Correspondence Prediction from Sparse Unsegmented Images [1.2179682412409507]
  スパース画像データから3次元対応を予測する統一モデルであるSPI-CorrNetを提案する。 LGE MRI左房データセットとAbdomen CT-1K肝データセットを用いた実験により,スパース画像駆動SSMの精度とロバスト性の向上が示された。
  論文  参考訳（メタデータ） (2024-07-02T03:56:20Z)
• Weakly Supervised Bayesian Shape Modeling from Unsegmented Medical Images [4.424170214926035]
  対応型統計形状モデリング(SSM)は、人口レベルの形態計測を容易にする。 ディープラーニングの最近の進歩は、推論においてこのプロセスを合理化している。 我々は,ポイントクラウドを用いた画像からSSMを予測するために,弱い教師付きディープラーニングアプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-15T20:47:59Z)
• 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)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Anatomy-guided domain adaptation for 3D in-bed human pose estimation [62.3463429269385]
  3次元人間のポーズ推定は臨床モニタリングシステムにおいて重要な要素である。 ラベル付きソースからシフトしたラベル付きターゲットドメインにモデルを適応させる新しいドメイン適応方式を提案する。 我々の手法は、様々な最先端のドメイン適応法より一貫して優れています。
  論文  参考訳（メタデータ） (2022-11-22T11:34:51Z)
• Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
  解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。 ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。 我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
  論文  参考訳（メタデータ） (2021-04-07T01:15:06Z)

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。