論文の概要: Fourier-Net+: Leveraging Band-Limited Representation for Efficient 3D
Medical Image Registration
- arxiv url: http://arxiv.org/abs/2307.02997v1
- Date: Thu, 6 Jul 2023 13:57:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-07 13:56:16.459815
- Title: Fourier-Net+: Leveraging Band-Limited Representation for Efficient 3D
Medical Image Registration
- Title（参考訳）: Fourier-Net+: 効率的な3次元医用画像登録のための帯域制限表現の活用
- Authors: Xi Jia, Alexander Thorley, Alberto Gomez, Wenqi Lu, Dipak Kotecha and
Jinming Duan
- Abstract要約: U-Netスタイルのネットワークは、高密度変位場を予測するために、教師なし画像登録に一般的に利用される。
まず,コストのかかるU-Netスタイルの拡張パスをパラメータフリーモデル駆動デコーダに置き換えるFourier-Netを提案する。
次に、Fourier-Net+を導入し、さらに画像の帯域制限空間表現を入力とし、U-Netスタイルのネットワークの収縮経路における畳み込み層の数を減少させる。
- 参考スコア（独自算出の注目度）: 62.53130123397081
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: U-Net style networks are commonly utilized in unsupervised image registration
to predict dense displacement fields, which for high-resolution volumetric
image data is a resource-intensive and time-consuming task. To tackle this
challenge, we first propose Fourier-Net, which replaces the costly U-Net style
expansive path with a parameter-free model-driven decoder. Instead of directly
predicting a full-resolution displacement field, our Fourier-Net learns a
low-dimensional representation of the displacement field in the band-limited
Fourier domain which our model-driven decoder converts to a full-resolution
displacement field in the spatial domain. Expanding upon Fourier-Net, we then
introduce Fourier-Net+, which additionally takes the band-limited spatial
representation of the images as input and further reduces the number of
convolutional layers in the U-Net style network's contracting path. Finally, to
enhance the registration performance, we propose a cascaded version of
Fourier-Net+. We evaluate our proposed methods on three datasets, on which our
proposed Fourier-Net and its variants achieve comparable results with current
state-of-the art methods, while exhibiting faster inference speeds, lower
memory footprint, and fewer multiply-add operations. With such small
computational cost, our Fourier-Net+ enables the efficient training of
large-scale 3D registration on low-VRAM GPUs. Our code is publicly available at
\url{https://github.com/xi-jia/Fourier-Net}.
- Abstract（参考訳）: U-Netスタイルのネットワークは、教師なし画像登録において、高解像度のボリューム画像データに対してリソース集約的かつ時間のかかるタスクである密度の変位場を予測するために一般的に利用される。
この課題に取り組むために、まず、コストのかかるu-netスタイルの拡張パスをパラメータフリーのモデル駆動デコーダに置き換えるfourier-netを提案する。
フルレゾリューション変位場を直接予測する代わりに、フーリエネットは、モデル駆動デコーダが空間領域のフルレゾリューション変位場に変換する帯域制限フーリエ領域における変位場の低次元表現を学習する。
フーリエネット上に拡大してフーリエネット+を導入し、さらに画像の帯域制限された空間表現を入力とし、さらにu-netスタイルのネットワークの収縮経路における畳み込み層数を減らす。
最後に、登録性能を向上させるために、Fourier-Net+のカスケード版を提案する。
提案手法は,提案手法を3つのデータセット上で評価し,提案手法は現在の最先端手法と同等の結果を得るとともに,高速な推論速度,メモリフットプリントの低減,乗算演算の削減を実現している。
このような計算コストの小さなFourier-Net+は、低VRAMGPU上での大規模3D登録の効率的なトレーニングを可能にします。
私たちのコードは \url{https://github.com/xi-jia/fourier-net} で公開されている。
関連論文リスト
- WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
深部画像登録は異常な精度と高速な推測を示した。
近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。
本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
論文 参考訳（メタデータ） (2024-07-18T11:51:01Z) - WFTNet: Exploiting Global and Local Periodicity in Long-term Time Series
Forecasting [61.64303388738395]
本稿では,長期連続予測のためのWavelet-Fourier Transform Network (WFTNet)を提案する。
さまざまな時系列データセットのテストでは、WFTNetは他の最先端のベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2023-09-20T13:44:18Z) - Neural Fourier Filter Bank [18.52741992605852]
本稿では, 効率的かつ高精度な再構築手法を提案する。
ウェーブレットにインスパイアされた我々は、信号が空間的にも周波数的にも分解されるニューラルネットワークを学習する。
論文 参考訳（メタデータ） (2022-12-04T03:45:08Z) - Fourier-Net: Fast Image Registration with Band-limited Deformation [16.894559169947055]
教師なし画像登録では、全解像度空間領域における密度変位場を予測するためにU-Netスタイルのネットワークが一般的である。
本稿では,パラメータフリーモデル駆動デコーダを用いて,U-Netスタイルネットワークにおける拡張パスを置き換えるフーリエネットを提案する。
論文 参考訳（メタデータ） (2022-11-29T16:24:06Z) - Deep Fourier Up-Sampling [100.59885545206744]
フーリエ領域のアップサンプリングは、そのような局所的な性質に従わないため、より難しい。
これらの問題を解決するために理論的に健全なDeep Fourier Up-Sampling (FourierUp)を提案する。
論文 参考訳（メタデータ） (2022-10-11T06:17:31Z) - Fourier Disentangled Space-Time Attention for Aerial Video Recognition [54.80846279175762]
本稿では,UAVビデオ行動認識のためのFAR(Fourier Activity Recognition)アルゴリズムを提案する。
我々の定式化は、人間のエージェントを背景から自然に分離するために、新しいフーリエオブジェクト・ディコンタングルメント法を用いています。
我々はUAV Human RGB、UAV Human Night、Drone Action、NEC Droneを含む複数のUAVデータセットに対するアプローチを評価した。
論文 参考訳（メタデータ） (2022-03-21T01:24:53Z) - Fourier PlenOctrees for Dynamic Radiance Field Rendering in Real-time [43.0484840009621]
Neural Radiance Field (NeRF)のような暗黙の神経表現は、主にマルチビュー設定下でキャプチャされた静的オブジェクトのモデリングに焦点を当てている。
本稿では,FVV(Fourier PlenOctree)技術を用いて,FVV(Fourier PlenOctree)設定下で撮影した動的シーンの効率的なニューラルモデリングとリアルタイムレンダリングを実現する。
提案手法は,元のNeRFよりも3000倍高速で,SOTAよりも1桁の加速速度を持つことを示す。
論文 参考訳（メタデータ） (2022-02-17T11:57:01Z) - Global Filter Networks for Image Classification [90.81352483076323]
本稿では,対数線形複雑度を持つ周波数領域における長期空間依存性を学習する,概念的に単純だが計算効率のよいアーキテクチャを提案する。
この結果から,GFNetはトランスフォーマー型モデルやCNNの効率,一般化能力,堅牢性において,非常に競争力のある代替手段となる可能性が示唆された。
論文 参考訳（メタデータ） (2021-07-01T17:58:16Z) - Fast Fourier Transformation for Optimizing Convolutional Neural Networks
in Object Recognition [1.0499611180329802]
本稿では、高速フーリエ変換に基づくU-Net(完全畳み込みネットワーク)を用いて、ニューラルネットワークにおける画像畳み込みを実現することを提案する。
ネットワークのトレーニング時間を改善するために,FFTベースの畳み込みニューラルネットワークを実装した。
コンボリューション期間中のトレーニング時間は600-700$ms/stepから400-500$ms/stepに改善した。
論文 参考訳（メタデータ） (2020-10-08T21:07:55Z)
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。