論文の概要: CDFI: Cross Domain Feature Interaction for Robust Bronchi Lumen
Detection
- arxiv url: http://arxiv.org/abs/2304.09115v1
- Date: Tue, 18 Apr 2023 16:28:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-19 13:53:40.160010
- Title: CDFI: Cross Domain Feature Interaction for Robust Bronchi Lumen
Detection
- Title(参考訳): CDFI:ロバストブロンチルーメン検出のためのクロスドメイン機能インタラクション
- Authors: Jiasheng Xu, Tianyi Zhang, Yangqian Wu, Jie Yang, Guang-Zhong Yang,
Yun Gu
- Abstract要約: ラムメンの構造的特徴を抽出するために,クロスドメイン特徴相互作用(CDFI)ネットワークを提案する。
QFC(Quadruple Feature Constraints)モジュールは、様々な画像品質のサンプルの固有の接続を制限するように設計されている。
Guided Feature Fusion (GFF)モジュールは適応的な特徴融合のモデルを監督するために設計されている。
- 参考スコア(独自算出の注目度): 36.048976865785605
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Endobronchial intervention is increasingly used as a minimally invasive means
for the treatment of pulmonary diseases. In order to reduce the difficulty of
manipulation in complex airway networks, robust lumen detection is essential
for intraoperative guidance. However, these methods are sensitive to visual
artifacts which are inevitable during the surgery. In this work, a cross domain
feature interaction (CDFI) network is proposed to extract the structural
features of lumens, as well as to provide artifact cues to characterize the
visual features. To effectively extract the structural and artifact features,
the Quadruple Feature Constraints (QFC) module is designed to constrain the
intrinsic connections of samples with various imaging-quality. Furthermore, we
design a Guided Feature Fusion (GFF) module to supervise the model for adaptive
feature fusion based on different types of artifacts. Results show that the
features extracted by the proposed method can preserve the structural
information of lumen in the presence of large visual variations, bringing
much-improved lumen detection accuracy.
- Abstract(参考訳): 気管支内インターベンションは肺疾患の治療に最小限の侵襲的手段としてますます用いられる。
複雑な気道ネットワークにおける操作の困難さを軽減するため,術中指導にはロバストルーメン検出が不可欠である。
しかし,これらの手法は手術時に避けられない視覚的アーティファクトに敏感である。
本研究では,視覚的特徴を特徴付けるための人工物を提供するとともに,ラウンジの構造的特徴を抽出するクロスドメイン機能相互作用(CDFI)ネットワークを提案する。
構造的特徴とアーチファクト的特徴を効果的に抽出するため、qfc(quaruple feature constraints)モジュールは、サンプルの固有接続を様々な撮像品質で制約するように設計されている。
さらに,異なる種類のアーティファクトに基づいて,適応的特徴融合モデルを支援するためのガイド付き特徴融合(GFF)モジュールを設計する。
その結果,提案手法により抽出された特徴は,大きな視覚変動の存在下でのルーメンの構造情報を保存でき,ルーメン検出精度が向上した。
関連論文リスト
- Multiscale Latent Diffusion Model for Enhanced Feature Extraction from Medical Images [5.395912799904941]
CTスキャナーモデルと取得プロトコルのバリエーションは、抽出した放射能特性に有意な変動をもたらす。
LTDiff++は医療画像の特徴抽出を強化するために設計されたマルチスケール潜在拡散モデルである。
論文 参考訳(メタデータ) (2024-10-05T02:13:57Z) - Unlocking Potential Binders: Multimodal Pretraining DEL-Fusion for Denoising DNA-Encoded Libraries [51.72836644350993]
マルチモーダルプレトレーニング DEL-Fusion Model (MPDF)
我々は,異なる複合表現とそれらのテキスト記述の対比対象を適用した事前学習タスクを開発する。
本稿では, 原子, 分子, 分子レベルでの複合情報をアマルガメートする新しいDEL融合フレームワークを提案する。
論文 参考訳(メタデータ) (2024-09-07T17:32:21Z) - IAFI-FCOS: Intra- and across-layer feature interaction FCOS model for lesion detection of CT images [5.198119863305256]
従来の検出器のマルチスケール機能融合機構は、損失なく詳細情報を伝達できない。
本稿では,マルチスケール機能融合機構ICAF-FPNを用いたIAFI-FCOSモデルを提案する。
本手法はプライベート膵病変データセットとパブリックDeepLesionデータセットの両方で広く実験されている。
論文 参考訳(メタデータ) (2024-09-01T10:58:48Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳(メタデータ) (2024-03-21T15:13:36Z) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳(メタデータ) (2023-12-11T18:38:28Z) - Introducing Shape Prior Module in Diffusion Model for Medical Image
Segmentation [7.7545714516743045]
拡散確率モデル(DDPM)を利用したVerseDiff-UNetというエンドツーエンドフレームワークを提案する。
我々のアプローチは拡散モデルを標準のU字型アーキテクチャに統合する。
本手法はX線画像から得られた脊椎画像の1つのデータセットを用いて評価する。
論文 参考訳(メタデータ) (2023-09-12T03:05:00Z) - Convolutional neural network based on sparse graph attention mechanism
for MRI super-resolution [0.34410212782758043]
深層学習技術を用いた医用画像超解像(SR)再構成は、病変解析を強化し、診断効率と精度を向上させるために医師を支援する。
既存のディープラーニングベースのSR手法は、これらのモデルの表現能力を本質的に制限する畳み込みニューラルネットワーク(CNN)に依存している。
画像特徴抽出に複数の畳み込み演算子特徴抽出モジュール(MCO)を用いるAネットワークを提案する。
論文 参考訳(メタデータ) (2023-05-29T06:14:22Z) - Orientation-Shared Convolution Representation for CT Metal Artifact
Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。
既存のディープラーニングベースの手法は、有望な再構築性能を得た。
本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文 参考訳(メタデータ) (2022-12-26T13:56:12Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z)
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。