Fugu-MT 論文翻訳(概要): BundleSeg: A versatile, reliable and reproducible approach to white matter bundle segmentation

論文の概要: BundleSeg: A versatile, reliable and reproducible approach to white matter bundle segmentation

arxiv url: http://arxiv.org/abs/2308.10958v1
Date: Mon, 21 Aug 2023 18:03:49 GMT
ステータス: 処理完了
システム内更新日: 2023-08-23 14:15:03.450037
Title: BundleSeg: A versatile, reliable and reproducible approach to white matter bundle segmentation
Title（参考訳）: BundleSeg: ホワイトマターバンドルセグメンテーションに対する汎用的で信頼性が高く再現可能なアプローチ
Authors: Etienne St-Onge, Kurt G Schilling, Francois Rheault
Abstract要約: ホワイトマター経路を抽出するための信頼性,再現性,高速な手法である BundleSeg を提案する。本稿では,BundleSegが最先端セグメンテーション法よりも精度と再現性を向上し,大幅な高速化を実現していることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This work presents BundleSeg, a reliable, reproducible, and fast method for extracting white matter pathways. The proposed method combines an iterative registration procedure with a recently developed precise streamline search algorithm that enables efficient segmentation of streamlines without the need for tractogram clustering or simplifying assumptions. We show that BundleSeg achieves improved repeatability and reproducibility than state-of-the-art segmentation methods, with significant speed improvements. The enhanced precision and reduced variability in extracting white matter connections offer a valuable tool for neuroinformatic studies, increasing the sensitivity and specificity of tractography-based studies of white matter pathways.
Abstract（参考訳）: 本稿では,ホワイトマター経路抽出のための信頼性,再現性,高速手法である bundleseg を提案する。提案手法は, 道路図のクラスタリングや仮定の簡易化を必要とせず, 効率的な流線分割を実現するために, 反復登録手順と最近開発された正確な流線探索アルゴリズムを組み合わせたものである。 bundlesegは最先端のセグメンテーション法よりも再現性と再現性が向上し,高速化が図れる。ホワイトマター接続の抽出における精度の向上と変動性の低減は、神経情報学研究に有用なツールとなり、ホワイトマター経路のトラクトグラフィーに基づく研究の感度と特異性を高める。

関連論文リスト

iSeg: An Iterative Refinement-based Framework for Training-free Segmentation [85.58324416386375]
本稿では,自己注意マップを用いた横断注意マップの繰り返し精錬に関する実験的検討を行った。トレーニング不要セグメンテーションのための効果的な反復改良フレームワークiSegを提案する。提案したiSegは,mIoUの3.8%の絶対ゲインを達成している。
論文参考訳（メタデータ） (2024-09-05T03:07:26Z)
Embedded Multi-label Feature Selection via Orthogonal Regression [45.55795914923279]
少なくとも2乗回帰に基づく最先端の組込みマルチラベル特徴選択アルゴリズムは、マルチラベルデータに十分な識別情報を保存できない。複数ラベルの特徴選択を容易にするために, 組込み多ラベル特徴選択法を提案する。 10個の多ラベルデータセットの大規模な実験結果から,GRROORの有効性が示された。
論文参考訳（メタデータ） (2024-03-01T06:18:40Z)
Fast Dual-Regularized Autoencoder for Sparse Biological Data [65.268245109828]
本研究では,近傍正規化行列補完問題に対する浅層オートエンコーダを開発する。本研究は, 薬物と薬物の相互作用と薬物の放出関連性を予測する上で, 既存の最先端技術に対するアプローチの速度と精度の優位性を実証する。
論文参考訳（メタデータ） (2024-01-30T01:28:48Z)
Making the Nystr\"om method highly accurate for low-rank approximations [0.0]
我々はNystr"om法を非対称行列や長方形行列に対して高い精度で適用するための一連の戦略を提案する。結果として得られる方法(高速ナイストローム法と呼ばれる)は、高速なピボット戦略として、ナイストローム法(英語版)とスキンのランク-リーベリング因子化(英語版)を扱います。
論文参考訳（メタデータ） (2023-07-11T20:25:46Z)
FIESTA: Autoencoders for accurate fiber segmentation in tractography [0.451460103439387]
ホワイトマターバンドルセグメンテーション(White matter bundle segmentation)は、神経疾患、神経外科、老化などの領域における脳の構造的接続を研究するための、現代のトラクトグラフィーの基盤である。 FIESTA (FIbEr in Tractography using Autoencoders) は信頼性が高く、堅牢で、完全に自動化され、深層オートエンコーダをベースとした半自動校正パイプラインである。提案手法はRecoBundles, RecoBundlesX, TractSeg, White Matter Analysis, XTRACTなどの最先端の仮想解剖法よりも信頼性が高いことを示す。
論文参考訳（メタデータ） (2022-11-30T22:28:24Z)
Superficial White Matter Analysis: An Efficient Point-cloud-based Deep Learning Framework with Supervised Contrastive Learning for Consistent Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
論文参考訳（メタデータ） (2022-07-18T23:07:53Z)
Accelerated Graph Learning from Smooth Signals [10.426964757656743]
高速な双対ベース近位勾配アルゴリズムは, 強い凸, 滑らか性に則ったネットワーク逆問題に対処するために開発された。既存の解法とは異なり、新しい反復法はグローバル収束率を保証するとともに、追加のステップサイズチューニングを必要としない。
論文参考訳（メタデータ） (2021-10-19T01:02:57Z)
Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
論文参考訳（メタデータ） (2021-03-23T08:19:21Z)
Learning unbiased group-wise registration (LUGR) and joint segmentation: evaluation on longitudinal diffusion MRI [9.794231006970854]
グループワイド登録のための非バイアス学習戦略に基づく分析フレームワークを提案する。提案したフレームワークは、一貫したセグメンテーションと、ペアワイズ固定参照アプローチよりも処理バイアスが著しく低い。
論文参考訳（メタデータ） (2020-11-03T17:44:15Z)
Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文参考訳（メタデータ） (2020-07-21T13:27:09Z)
Gradient Descent in RKHS with Importance Labeling [58.79085525115987]
我々は重要ラベル付け問題について研究し、ラベルなしデータが多く与えられている。ラベルなしデータの情報サブセットを効果的に選択できる新しい重要ラベル方式を提案する。
論文参考訳（メタデータ） (2020-06-19T01:55:00Z)

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。