論文の概要: Multi-View Vertebra Localization and Identification from CT Images

• arxiv url: http://arxiv.org/abs/2307.12845v1
• Date: Mon, 24 Jul 2023 14:43:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 14:04:14.129674
• Title: Multi-View Vertebra Localization and Identification from CT Images
• Title（参考訳）: ct画像からの多視点椎体定位と同定
• Authors: Han Wu, Jiadong Zhang, Yu Fang, Zhentao Liu, Nizhuan Wang, Zhiming Cui and Dinggang Shen
• Abstract要約: 我々は,CT画像からの多視点椎体局在と同定を提案する。 本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。 本手法は,多視点グローバル情報を自然に学習することができる。
• 参考スコア（独自算出の注目度）: 57.56509107412658
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately localizing and identifying vertebrae from CT images is crucial for various clinical applications. However, most existing efforts are performed on 3D with cropping patch operation, suffering from the large computation costs and limited global information. In this paper, we propose a multi-view vertebra localization and identification from CT images, converting the 3D problem into a 2D localization and identification task on different views. Without the limitation of the 3D cropped patch, our method can learn the multi-view global information naturally. Moreover, to better capture the anatomical structure information from different view perspectives, a multi-view contrastive learning strategy is developed to pre-train the backbone. Additionally, we further propose a Sequence Loss to maintain the sequential structure embedded along the vertebrae. Evaluation results demonstrate that, with only two 2D networks, our method can localize and identify vertebrae in CT images accurately, and outperforms the state-of-the-art methods consistently. Our code is available at https://github.com/ShanghaiTech-IMPACT/Multi-View-Vertebra-Localization-and-Identification-from-CT-I mages.
• Abstract（参考訳）: CT画像からの脊椎の正確な位置特定は様々な臨床応用に不可欠である。 しかし, 収穫パッチ操作を3Dで行う場合, 計算コストが大きく, 情報量も限られている。 本稿では,CT画像からの多視点脊椎局在と同定を提案し,異なる視点における3次元問題を2次元局所化と識別タスクに変換する。 3Dトリミングパッチの制限がなければ,マルチビューグローバル情報を自然に学習することができる。 さらに、異なる視点から解剖学的構造情報をよりよく捉えるために、バックボーンを事前学習するマルチビューコントラスト学習戦略を開発した。 さらに,椎体に沿って埋め込まれたシーケンシャル構造を維持するために,シーケンスロスを提案する。 評価の結果,2次元ネットワークのみを用いて,CT画像中の脊椎の局在と同定を精度良く行うことができ,最先端の手法よりも優れていた。 私たちのコードはhttps://github.com/ShanghaiTech-IMPACT/Multi-View-Vertebra-Localization-and-Identification-from-CT-I magesで公開されています。

関連論文リスト

• Autoregressive Sequence Modeling for 3D Medical Image Representation [48.706230961589924]
  本稿では, 自己回帰シーケンス事前学習フレームワークを用いて, 3次元医用画像表現を学習するための先駆的手法を提案する。 我々は,空間的,コントラスト的,意味的相関に基づく様々な3次元医用画像にアプローチし,トークンシーケンス内の相互接続された視覚トークンとして扱う。
  論文  参考訳（メタデータ） (2024-09-13T10:19:10Z)
• Self-Supervised Alignment Learning for Medical Image Segmentation [26.114595114732644]
  医用画像セグメンテーションのためのニューラルネットワークを事前学習するための,新たな自己教師付きアライメント学習フレームワークを提案する。 提案するフレームワークは,新たな局所的なアライメント損失とグローバルな位置損失から構成される。 実験の結果,提案したアライメント学習は,既存のCTおよびMRIデータセットの自己教師付き事前学習手法と競合することが示された。
  論文  参考訳（メタデータ） (2024-06-22T00:47:39Z)
• 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)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
  Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。 従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。 これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。 本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-26T14:38:42Z)
• Perspective Projection-Based 3D CT Reconstruction from Biplanar X-rays [32.98966469644061]
  我々は,X線を用いた新しいCT再構成フレームワークPerX2CTを提案する。 提案手法は,各座標に対して異なる特徴の組み合わせを提供し,モデルが3次元位置に関する情報を暗黙的に取得できるようにする。
  論文  参考訳（メタデータ） (2023-03-09T14:45:25Z)
• Decomposing 3D Neuroimaging into 2+1D Processing for Schizophrenia Recognition [25.80846093248797]
  我々は2+1Dフレームワークで3Dデータを処理し、巨大なImageNetデータセット上に事前トレーニングされた強力な2D畳み込みニューラルネットワーク(CNN)ネットワークを利用して3Dニューロイメージング認識を実現することを提案する。 特に3次元磁気共鳴イメージング(MRI)の計測値は、隣接するボクセル位置に応じて2次元スライスに分解される。 グローバルプーリングは、アクティベーションパターンが機能マップ上にわずかに分散されているため、冗長な情報を除去するために適用される。 2次元CNNモデルにより処理されていない3次元の文脈情報を集約するために,チャネルワイドおよびスライスワイズ畳み込みを提案する。
  論文  参考訳（メタデータ） (2022-11-21T15:22:59Z)
• 3D Matting: A Soft Segmentation Method Applied in Computed Tomography [26.25446145993599]
  CT、MRI、PETなどの3次元画像は、医用画像の分野では一般的であり、臨床診断において重要である。 セマンティック曖昧さは多くの医用画像ラベルの典型的な特徴である。 2次元医用画像では、画像マッチングによって生成された2次元マスクの代わりにソフトマスクを用いることで、病変を特徴づけることができる。
  論文  参考訳（メタデータ） (2022-09-16T10:18:59Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Automatic Segmentation, Localization, and Identification of Vertebrae in 3D CT Images Using Cascaded Convolutional Neural Networks [22.572414102512358]
  本稿では, 3次元CT画像における椎骨の自動分割, 局所化, 同定の方法を提案する。 提案手法は,すべてのタスクを仮定なしで単一のマルチステージフレームワークで処理する。 平均Diceスコアは96%,平均定位誤差は8.3mm,平均識別率は84%であった。
  論文  参考訳（メタデータ） (2020-09-29T06:11:37Z)

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。