論文の概要: Framing image registration as a landmark detection problem for better
representation of clinical relevance
- arxiv url: http://arxiv.org/abs/2308.01318v1
- Date: Mon, 31 Jul 2023 16:04:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-04 16:27:49.136982
- Title: Framing image registration as a landmark detection problem for better
representation of clinical relevance
- Title(参考訳): 臨床関連性向上のためのランドマーク検出問題としてのフラーミング画像登録
- Authors: Diana Waldmannstetter, Benedikt Wiestler, Julian Schwarting, Ivan
Ezhov, Marie Metz, Spyridon Bakas, Bhakti Baheti, Satrajit Chakrabarty, Jan
S. Kirschke, Rolf A. Heckemann, Marie Piraud, Florian Kofler, Bjoern H. Menze
- Abstract要約: ランドマーク検出問題として画像登録を再構成することを提案する。
サブサンプル間レータ解析の誤差分布に基づいてヒット率曲線を計算する。
- 参考スコア(独自算出の注目度): 5.546160140501595
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, registration methods are typically evaluated based on
sub-resolution tracking error differences. In an effort to reinfuse this
evaluation process with clinical relevance, we propose to reframe image
registration as a landmark detection problem. Ideally, landmark-specific
detection thresholds are derived from an inter-rater analysis. To approximate
this costly process, we propose to compute hit rate curves based on the
distribution of errors of a sub-sample inter-rater analysis. Therefore, we
suggest deriving thresholds from the error distribution using the formula:
median + delta * median absolute deviation. The method promises differentiation
of previously indistinguishable registration algorithms and further enables
assessing the clinical significance in algorithm development.
- Abstract(参考訳): 近年,サブレゾリューション追尾誤差差に基づいて登録手法が評価されている。
この評価プロセスと臨床的関連性を両立させるため,ランドマーク検出問題として画像登録の再構築を提案する。
理想的には、ランドマーク固有の検出しきい値がレート間解析から導かれる。
このコストのかかる処理を近似するために,サブサンプル間レータ解析の誤差分布に基づいてヒット率曲線を計算することを提案する。
したがって、しきい値は式:中央値 + delta * 中央値の絶対偏差を用いた誤差分布から導出することを提案する。
本手法は、予め区別できない登録アルゴリズムの分化を約束し、さらに、アルゴリズム開発における臨床的意義を評価することができる。
関連論文リスト
- QUIZ: An Arbitrary Volumetric Point Matching Method for Medical Image
Registration [10.788848900099385]
クエリポイントキッザ(QUIZ)という,任意の利害関係のボクセル点に基づく医用画像登録手法を提案する。
本研究は, 頸部がん患者の大変形データセットを用いて本手法の有効性を検証した。
論文 参考訳(メタデータ) (2023-09-30T08:13:40Z) - Beyond AUROC & co. for evaluating out-of-distribution detection
performance [50.88341818412508]
安全(r)AIとの関連性を考えると,OOD検出法の比較の基礎が実用的ニーズと整合しているかどうかを検討することが重要である。
我々は,IDとOODの分離が不十分なことを明示する新しい指標であるAUTC(Area Under the Threshold Curve)を提案する。
論文 参考訳(メタデータ) (2023-06-26T12:51:32Z) - Robust Detection Outcome: A Metric for Pathology Detection in Medical
Images [6.667150890634173]
ロバスト検出アウトカム(RoDeO)は、医学画像における病理診断アルゴリズムを評価するための新しい指標である。
RoDeOは、個々のエラーを直接評価し、現在のメトリクスよりも臨床ニーズを反映する。
論文 参考訳(メタデータ) (2023-03-03T13:45:13Z) - A Hybrid Deep Feature-Based Deformable Image Registration Method for
Pathology Images [18.439134996404274]
病理学者は、正確な診断のために、異なる染色された病理スライスからの情報を組み合わせる必要がある。
本稿では, 染色された病理試料に対するハイブリッドな特徴量に基づく変形可能な画像登録フレームワークを提案する。
提案手法は,平均平均登録目標誤差(rTRE)が0.0034に達すると,従来の手法よりも17%向上する。
論文 参考訳(メタデータ) (2022-08-16T10:35:18Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - Weakly supervised semantic segmentation of tomographic images in the
diagnosis of stroke [0.0]
本稿では,非コントラスト計算トモグラフィ脳画像上での急性脳梗塞による領域分割の自動アルゴリズムを提案する。
提案アルゴリズムは,いくつかの画像が正確にラベル付けされ,いくつかの画像が不正確なラベル付けされた場合に,弱教師付きシナリオで学習するために設計されている。
論文 参考訳(メタデータ) (2021-09-04T15:24:38Z) - A Graph-Constrained Changepoint Learning Approach for Automatic
QRS-Complex Detection [5.763710641111973]
本研究では,Rピーク位置の探索にグラフベースの変化点検出モデルを適用し,ECG信号解析の新しい視点を提案する。
提案した学習アルゴリズムは単純な初期グラフから始まり、Rピーク検出において最終グラフが最大精度を持つように反復的にグラフを編集する。
論文 参考訳(メタデータ) (2021-02-02T05:19:19Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z) - Collaborative Boundary-aware Context Encoding Networks for Error Map
Prediction [65.44752447868626]
本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。
具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。
AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
論文 参考訳(メタデータ) (2020-06-25T12:42:01Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳(メタデータ) (2020-05-15T06:57:54Z) - Do Public Datasets Assure Unbiased Comparisons for Registration
Evaluation? [96.53940048041248]
画像誘導神経外科医の登録をベンチマークするために、2つのデータセットで手動で注釈付けされたランドマークをスクリーニングするために、ヴァリグラムを使用します。
Variograms を用いて, 潜在的に有意な症例を同定し, 経験者により検討した。
論文 参考訳(メタデータ) (2020-03-20T20:04:47Z)
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。