論文の概要: Efficient Anatomical Labeling of Pulmonary Tree Structures via Implicit
Point-Graph Networks
- arxiv url: http://arxiv.org/abs/2309.17329v2
- Date: Thu, 5 Oct 2023 12:52:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-06 21:11:49.238267
- Title: Efficient Anatomical Labeling of Pulmonary Tree Structures via Implicit
Point-Graph Networks
- Title(参考訳): インシシットポイントグラフネットワークによる肺木構造の効率的な解剖学的ラベリング
- Authors: Kangxian Xie, Jiancheng Yang, Donglai Wei, Ziqiao Weng, Pascal Fua
- Abstract要約: 肺疾患は世界中で死の主な死因の1つである。
理論上は、高解像度のイメージスタックを使ってモデル化することができる。
密度の高いボクセルグリッドで動作する標準CNNアプローチは、違法に高価である。
木骨格のグラフ接続を保存し,暗黙的な表面表現を取り入れた点ベースアプローチを提案する。
- 参考スコア(独自算出の注目度): 48.455002765340254
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pulmonary diseases rank prominently among the principal causes of death
worldwide. Curing them will require, among other things, a better understanding
of the many complex 3D tree-shaped structures within the pulmonary system, such
as airways, arteries, and veins. In theory, they can be modeled using
high-resolution image stacks. Unfortunately, standard CNN approaches operating
on dense voxel grids are prohibitively expensive. To remedy this, we introduce
a point-based approach that preserves graph connectivity of tree skeleton and
incorporates an implicit surface representation. It delivers SOTA accuracy at a
low computational cost and the resulting models have usable surfaces. Due to
the scarcity of publicly accessible data, we have also curated an extensive
dataset to evaluate our approach and will make it public.
- Abstract(参考訳): 肺疾患は世界中で死の主な原因となっている。
それらの治療には、気道、動脈、静脈など、肺系の複雑な3d木のような構造をよりよく理解する必要がある。
理論上は、高解像度のイメージスタックを使ってモデル化することができる。
残念ながら、高密度のボクセルグリッドで動作する標準CNNアプローチは、違法に高価である。
そこで本研究では,木骨格のグラフ接続を保ち,暗黙的表面表現を組み込んだポイントベースアプローチを提案する。
SOTAの精度を低い計算コストで提供し、結果として得られるモデルは使用可能な表面を持つ。
公開アクセス可能なデータが不足しているため、我々のアプローチを評価するために広範なデータセットをキュレートし、公開する予定です。
関連論文リスト
- Learning to Approximate Adaptive Kernel Convolution on Graphs [4.434835769977399]
本稿では,拡散カーネルのスケールによって特徴集約の範囲を制御できる拡散学習フレームワークを提案する。
本モデルは,最先端データセットの性能評価のためのノードワイズ分類のための様々な標準で検証されている。
グラフ分類のための実世界の脳ネットワークデータにも検証され、アルツハイマー分類の実用性を実証している。
論文 参考訳(メタデータ) (2024-01-22T10:57:11Z) - Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding [51.75091298017941]
本稿では,属性付きグラフデータに対する新しいDeep Manifold (Variational) Graph Auto-Encoder (DMVGAE/DMGAE)を提案する。
提案手法は,最先端のベースラインアルゴリズムを,一般的なデータセット間でのダウンストリームタスクの差を大きく越える。
論文 参考訳(メタデータ) (2024-01-12T17:57:07Z) - NodeFormer: A Scalable Graph Structure Learning Transformer for Node
Classification [70.51126383984555]
本稿では,任意のノード間のノード信号を効率的に伝搬する全ペアメッセージパッシング方式を提案する。
効率的な計算は、カーナライズされたGumbel-Softmax演算子によって実現される。
グラフ上のノード分類を含む様々なタスクにおいて,本手法の有望な有効性を示す実験を行った。
論文 参考訳(メタデータ) (2023-06-14T09:21:15Z) - Topology Repairing of Disconnected Pulmonary Airways and Vessels:
Baselines and a Dataset [19.075001049502394]
現在のディープラーニングアプローチは、臨床的有用性を阻害する接続性の問題に悩まされている。
本稿では,データ駆動方式を応用した後処理手法を提案し,非連結肺管構造のトポロジーを修復する。
我々のアプローチは、ニューラルネットワークが非接続なコンポーネントをブリッジできるキーポイントを予測するために訓練されるキーポイント検出タスクとして問題を定式化する。
論文 参考訳(メタデータ) (2023-06-12T13:01:50Z) - Hierarchical Graph Networks for 3D Human Pose Estimation [50.600944798627786]
最近の2次元から3次元の人間のポーズ推定は、人間の骨格のトポロジーによって形成されたグラフ構造を利用する傾向がある。
この骨格トポロジーは体の構造を反映するには小さすぎるため、重度の2次元から3次元のあいまいさに悩まされていると我々は主張する。
本稿では,これらの弱点を克服するために,新しいグラフ畳み込みネットワークアーキテクチャである階層グラフネットワークを提案する。
論文 参考訳(メタデータ) (2021-11-23T15:09:03Z) - AMA-GCN: Adaptive Multi-layer Aggregation Graph Convolutional Network
for Disease Prediction [20.19380805655623]
空間分布に応じて適切な表現型尺度を自動的に選択するエンコーダを提案する。
また,多層アグリゲーション機構を用いた新しいグラフ畳み込みネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-06-16T12:13:23Z) - An Introduction to Robust Graph Convolutional Networks [71.68610791161355]
本論文では, 誤りのある単一ビューあるいは複数ビューのデータに対して, 新たなロバストグラフ畳み込みニューラルネットワークを提案する。
従来のグラフ畳み込みネットワークにAutoencodersを介して余分なレイヤを組み込むことで、典型的なエラーモデルを明示的に特徴付けおよび処理します。
論文 参考訳(メタデータ) (2021-03-27T04:47:59Z) - Graph-based Pyramid Global Context Reasoning with a Saliency-aware
Projection for COVID-19 Lung Infections Segmentation [16.94939282349418]
グラフベースのPyramid Global Context Reasoning(Graph-PGCR)モジュールを提案する。
異種感染症間の長距離依存性をモデル化し、サイズの変化を適応させることができる。
当社のGraph-PGCRモジュールはプラグアンドプレイで、パフォーマンスを向上させるためにあらゆるアーキテクチャに統合できます。
論文 参考訳(メタデータ) (2021-03-07T02:28:10Z) - Spatio-Temporal Inception Graph Convolutional Networks for
Skeleton-Based Action Recognition [126.51241919472356]
我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。
ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
論文 参考訳(メタデータ) (2020-11-26T14:43:04Z)
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。