論文の概要: Framing image registration as a landmark detection problem for label-noise-aware task representation (HitR)

• arxiv url: http://arxiv.org/abs/2308.01318v2
• Date: Mon, 1 Jul 2024 17:58:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-02 18:00:11.294191
• Title: Framing image registration as a landmark detection problem for label-noise-aware task representation (HitR)
• Title（参考訳）: ラベルノイズ認識タスク表現(HitR)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, Ivan Ezhov, Benedikt Wiestler, Francesco Campi, Ivan Kukuljan, Stefan Ehrlich, Shankeeth Vinayahalingam, Bhakti Baheti, Satrajit Chakrabarty, Ujjwal Baid, Spyridon Bakas, Julian Schwarting, Marie Metz, Jan S. Kirschke, Daniel Rueckert, Rolf A. Heckemann, Marie Piraud, Bjoern H. Menze, Florian Kofler,
• Abstract要約: 画像登録精度の臨床的関連性に着目したランドマークヒットレート(HitR)と呼ばれる新しい評価指標を提案する。 HitRは、登録アルゴリズムが定義された信頼ゾーン内にランドマークを配置することに成功しているかどうかを考察する。 提案手法は,画像登録アルゴリズムのより現実的で有意義な評価を提供し,臨床・バイオメディカル応用への適合性を反映している。
• 参考スコア（独自算出の注目度）: 11.451149372152077
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate image registration is pivotal in biomedical image analysis, where selecting suitable registration algorithms demands careful consideration. While numerous algorithms are available, the evaluation metrics to assess their performance have remained relatively static. This study addresses this challenge by introducing a novel evaluation metric termed Landmark Hit Rate (HitR), which focuses on the clinical relevance of image registration accuracy. Unlike traditional metrics such as Target Registration Error, which emphasize subresolution differences, HitR considers whether registration algorithms successfully position landmarks within defined confidence zones. This paradigm shift acknowledges the inherent annotation noise in medical images, allowing for more meaningful assessments. To equip HitR with label-noise-awareness, we propose defining these confidence zones based on an Inter-rater Variance analysis. Consequently, hit rate curves are computed for varying landmark zone sizes, enabling performance measurement for a task-specific level of accuracy. Our approach offers a more realistic and meaningful assessment of image registration algorithms, reflecting their suitability for clinical and biomedical applications.
• Abstract（参考訳）: バイオメディカル画像解析では正確な画像登録が重要であり、適切な登録アルゴリズムを選択するには慎重に検討する必要がある。 多くのアルゴリズムが利用可能だが、その性能を評価するための評価指標は比較的静的である。 本研究では,画像登録精度の臨床的妥当性に着目したランドマークヒットレート(HitR)と呼ばれる新しい評価指標を導入することで,この問題に対処する。 サブレゾリューションの違いを強調するTarget Registration Errorのような従来のメトリクスとは異なり、HitRは、登録アルゴリズムが定義された信頼ゾーン内にランドマークを配置することに成功しているかどうかを検討する。 このパラダイムシフトは、医用画像の固有のアノテーションノイズを認識し、より意味のある評価を可能にする。 ラベルノイズ認識にHitRを組み込むため,レータ間変動解析に基づいて,これらの信頼性ゾーンを定義することを提案する。 これにより、様々なランドマークゾーンサイズに対してヒットレート曲線を計算し、タスク固有の精度のレベルのパフォーマンス測定を可能にする。 提案手法は,画像登録アルゴリズムのより現実的で有意義な評価を提供し,臨床・バイオメディカル応用への適合性を反映している。

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)
• Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
  顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。 本稿では,新たな敵情報ネットワーク(AIN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:14:11Z)
• Explainable Image Quality Assessment for Medical Imaging [0.0]
  質の悪い医療画像は誤診につながる可能性がある。 本稿では,説明可能な画像品質評価システムを提案し,その考え方を2つの異なる目的に対して検証する。 本研究では,サリエンシ検出器の忠実度を測定するために,様々な手法を適用した。 我々は,NormGradがObject-CXRで0.853点,LVOTデータセットで0.611点,繰り返しポイントゲームで0.853点に達することで,他のサリエンシ検出器よりも顕著に向上したことを示す。
  論文  参考訳（メタデータ） (2023-03-25T14:18:39Z)
• 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)
• Joint segmentation and discontinuity-preserving deformable registration: Application to cardiac cine-MR images [74.99415008543276]
  多くの深層学習に基づく登録法は、変形場は画像領域の至る所で滑らかで連続的であると仮定する。 本研究では,この課題に対処するために,不連続かつ局所的に滑らかな変形場を確保するための新しい不連続保存画像登録手法を提案する。 入力画像の構造的相関を学習するために,ネットワークのセグメンテーション成分にコアテンションブロックを提案する。 大規模心磁気共鳴画像系列を用いた物体内時間画像登録の課題について検討した。
  論文  参考訳（メタデータ） (2022-11-24T23:45:01Z)
• 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 Deep Discontinuity-Preserving Image Registration Network [73.03885837923599]
  ほとんどの深層学習に基づく登録法は、所望の変形場が全世界的に滑らかで連続的であると仮定する。 本稿では、より優れた登録性能とリアルな変形場を得るために、弱い教師付き深部不連続保存画像登録ネットワーク(DDIR)を提案する。 本研究では, 心臓磁気共鳴(MR)画像の登録実験において, 登録精度を大幅に向上し, より現実的な変形を予測できることを実証した。
  論文  参考訳（メタデータ） (2021-07-09T13:35:59Z)
• Common Limitations of Image Processing Metrics: A Picture Story [58.83274952067888]
  本論文は, 画像レベルの分類, セマンティックセグメンテーション, インスタンスセグメンテーション, オブジェクト検出タスクと表現できるバイオメディカル画像解析問題に焦点を当てる。 現在のバージョンは、世界中の60以上の機関からの画像分析の専門家からなる国際コンソーシアムが実施するメトリクスに関するDelphiプロセスに基づいている。
  論文  参考訳（メタデータ） (2021-04-12T17:03:42Z)
• Improving Medical Image Classification with Label Noise Using Dual-uncertainty Estimation [72.0276067144762]
  医用画像における2種類のラベルノイズについて論じ,定義する。 医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-28T14:56:45Z)
• 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。