Fugu-MT 論文翻訳(概要): A Hierarchical Descriptor Framework for On-the-Fly Anatomical Location Matching between Longitudinal Studies

論文の概要: A Hierarchical Descriptor Framework for On-the-Fly Anatomical Location Matching between Longitudinal Studies

arxiv url: http://arxiv.org/abs/2308.07337v1
Date: Fri, 11 Aug 2023 18:01:27 GMT
ステータス: 処理完了
システム内更新日: 2023-08-16 15:30:19.621126
Title: A Hierarchical Descriptor Framework for On-the-Fly Anatomical Location Matching between Longitudinal Studies
Title（参考訳）: 縦断的研究における解剖学的位置マッチングのための階層的記述フレームワーク
Authors: Halid Ziya Yerebakan, Yoshihisa Shinagawa, Mahesh Ranganath, Simon Allen-Raffl, Gerardo Hermosillo Valadez
Abstract要約: 本研究では,2対の医用画像間の解剖学的位置を縦断的に比較する手法を提案する。ソース画像内のクエリポイントのディスクリプタを演算することにより、マッチングを可能にする。階層探索操作は、対象画像に最も類似した記述子を持つ対応する点を検出する。
参考スコア（独自算出の注目度）: 0.07499722271664144
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We propose a method to match anatomical locations between pairs of medical images in longitudinal comparisons. The matching is made possible by computing a descriptor of the query point in a source image based on a hierarchical sparse sampling of image intensities that encode the location information. Then, a hierarchical search operation finds the corresponding point with the most similar descriptor in the target image. This simple yet powerful strategy reduces the computational time of mapping points to a millisecond scale on a single CPU. Thus, radiologists can compare similar anatomical locations in near real-time without requiring extra architectural costs for precomputing or storing deformation fields from registrations. Our algorithm does not require prior training, resampling, segmentation, or affine transformation steps. We have tested our algorithm on the recently published Deep Lesion Tracking dataset annotations. We observed more accurate matching compared to Deep Lesion Tracker while being 24 times faster than the most precise algorithm reported therein. We also investigated the matching accuracy on CT and MR modalities and compared the proposed algorithm's accuracy against ground truth consolidated from multiple radiologists.
Abstract（参考訳）: 縦断比較において,医療画像の対間の解剖学的位置を一致させる手法を提案する。位置情報を符号化する画像強度の階層的スパースサンプリングに基づいて、ソース画像内のクエリポイントの記述子を計算することにより、マッチングを可能にする。そして、階層検索演算は、対象画像中の最も類似した記述子で対応する点を求める。この単純な強力な戦略は、単一のCPU上でのマッピングポイントの計算時間をミリ秒スケールに短縮する。したがって、放射線学者は、登録から変形フィールドを事前計算したり保存したりするための追加の建築コストを必要とせずに、ほぼリアルタイムで類似した解剖学的位置を比較することができる。我々のアルゴリズムは事前のトレーニング、再サンプリング、セグメンテーション、アフィン変換ステップを必要としない。我々は最近公開されたDeep Lesion Trackingデータセットアノテーションでアルゴリズムをテストした。深部病変追跡装置と比較してより正確なマッチングが得られたが,最も正確なアルゴリズムよりも24倍高速であった。また,CTとMRのマッチング精度について検討し,提案アルゴリズムの精度を,複数の放射線科医が統合した地中真実と比較した。

関連論文リスト

Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
論文参考訳（メタデータ） (2024-02-25T13:22:17Z)
Fast CT anatomic localization algorithm [0.0]
我々はCTスキャンで各スライスの位置を自動的に決定する方法を示す。これらのスライスに基づいて,スライス指数を推定された軸方向の解剖学的位置にマッピングする線形モデルを用いる。このアプローチは計算効率が良く、典型的な処理時間はスキャン1秒未満である。
論文参考訳（メタデータ） (2023-12-05T18:09:47Z)
Target before Shooting: Accurate Anomaly Detection and Localization under One Millisecond via Cascade Patch Retrieval [49.45246833329707]
異常検出(AD)の「マッチング」性を再検討する本稿では,ADの精度と実行速度を同時に向上する新しいADフレームワークを提案する。
論文参考訳（メタデータ） (2023-08-13T11:49:05Z)
CMSG Cross-Media Semantic-Graph Feature Matching Algorithm for Autonomous Vehicle Relocalization [0.36832029288386137]
ライブ画像データとLidarマップを組み合わせたクロスメディア手法が開発されている。 AV再ローカライズタスクのための新しいクロスメディアアルゴリズムであるCMSGを提案する。意味的特徴は、点雲と画像特徴との相関をよりよく解釈するために利用される。
論文参考訳（メタデータ） (2023-05-15T03:08:10Z)
Medical Image Retrieval via Nearest Neighbor Search on Pre-trained Image Features [15.331765570210479]
Nearest neighbor search (NNS) は、クエリポイントに最も近い高次元空間の点を見つけることを目的としている。本稿では,異種医用画像からの関連画像の検索と検索を行う,効率的かつ効率的なアルゴリズムであるDenseLinkSearchを提案する。我々は提案したNNSアプローチを広範囲に検証し、ベンチマークデータセットと作成した医用画像データセットの最先端NNSアプローチと比較した。
論文参考訳（メタデータ） (2022-10-05T17:21:11Z)
Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
論文参考訳（メタデータ） (2022-07-13T02:44:05Z)
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)
Learning Optical Flow from a Few Matches [67.83633948984954]
密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
論文参考訳（メタデータ） (2021-04-05T21:44:00Z)
Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文参考訳（メタデータ） (2020-07-20T12:07:48Z)
A Survey on Patch-based Synthesis: GPU Implementation and Optimization [0.0]
この論文は、小さな局所領域間の対応を見つけるためのパッチベースの合成とアルゴリズムの研究を調査する。私たちが研究したアルゴリズムの1つは、PatchMatchで、画像の類似した領域や「パッチ」を見つけることができる。コンピュータグラフィックスでは、画像から不要な物体を取り除き、画像中の物体をシームレスに移動させ、画像のアスペクト比を変え、映像の要約を行った。
論文参考訳（メタデータ） (2020-05-11T19:25:28Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。