論文の概要: Muscle volume quantification: guiding transformers with anatomical
priors
- arxiv url: http://arxiv.org/abs/2310.20355v1
- Date: Tue, 31 Oct 2023 10:56:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 15:32:02.311192
- Title: Muscle volume quantification: guiding transformers with anatomical
priors
- Title（参考訳）: 筋容積定量化:解剖前兆によるトランスフォーマーの誘導
- Authors: Louise Piecuch, Vanessa Gonzales Duque, Aur\'elie Sarcher, Enzo
Hollville, Antoine Nordez, Giuseppe Rabita, Ga\"el Guilhem, and Diana Mateus
- Abstract要約: 3次元磁気共鳴画像を用いた下肢18筋の自動分割法を提案する。
筋肉分節アルゴリズムは外観に依存しないが、輪郭の手がかりにのみ依存する。
本稿では,このようなハイブリッドアーキテクチャの挙動を,形状解析における筋分節の文脈で初めて考察する。
- 参考スコア（独自算出の注目度）: 1.8951649296071207
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Muscle volume is a useful quantitative biomarker in sports, but also for the
follow-up of degenerative musculo-skelletal diseases. In addition to volume,
other shape biomarkers can be extracted by segmenting the muscles of interest
from medical images. Manual segmentation is still today the gold standard for
such measurements despite being very time-consuming. We propose a method for
automatic segmentation of 18 muscles of the lower limb on 3D Magnetic Resonance
Images to assist such morphometric analysis. By their nature, the tissue of
different muscles is undistinguishable when observed in MR Images. Thus, muscle
segmentation algorithms cannot rely on appearance but only on contour cues.
However, such contours are hard to detect and their thickness varies across
subjects. To cope with the above challenges, we propose a segmentation approach
based on a hybrid architecture, combining convolutional and visual transformer
blocks. We investigate for the first time the behaviour of such hybrid
architectures in the context of muscle segmentation for shape analysis.
Considering the consistent anatomical muscle configuration, we rely on
transformer blocks to capture the longrange relations between the muscles. To
further exploit the anatomical priors, a second contribution of this work
consists in adding a regularisation loss based on an adjacency matrix of
plausible muscle neighbourhoods estimated from the training data. Our
experimental results on a unique database of elite athletes show it is possible
to train complex hybrid models from a relatively small database of large
volumes, while the anatomical prior regularisation favours better predictions.
- Abstract（参考訳）: 筋容積はスポーツにおいて有用な定量的バイオマーカーであり、変性筋骨格疾患のフォローアップにも有用である。
体積に加え、他の形状バイオマーカーは、医学画像から興味ある筋肉を分別することで抽出することができる。
手動セグメンテーションは、非常に時間がかかるにもかかわらず、現在でもそのような測定の金本位制である。
そこで本研究では,3次元磁気共鳴画像を用いた下肢18筋の自動分割法を提案する。
その性質上、異なる筋肉の組織はMR画像で観察されると区別できない。
したがって、筋肉のセグメンテーションアルゴリズムは外観には依存せず、輪郭手がかりのみに依存する。
しかし、そのような輪郭は検出が困難であり、その厚さは被験者によって異なる。
上記の課題に対処するために,畳み込みブロックと視覚トランスフォーマーブロックを組み合わせたハイブリッドアーキテクチャに基づくセグメンテーション手法を提案する。
本稿では,このようなハイブリッドアーキテクチャの挙動を,形状解析における筋分節の文脈で初めて考察する。
一貫した解剖学的筋配置を考えると、筋間の長距離関係を捉えるためにトランスフォーマーブロックに依存する。
解剖学的先行を更に活用するために、この研究の第2の貢献は、トレーニングデータから推定される可塑性筋近傍の隣接行列に基づいて正規化損失を追加することである。
エリートアスリートのユニークなデータベースを用いた実験結果から,比較的小さな量のデータベースから複雑なハイブリッドモデルをトレーニングすることが可能であり,解剖学的な事前正規化では予測精度が向上することが示唆された。
関連論文リスト
- Muscles in Time: Learning to Understand Human Motion by Simulating Muscle Activations [64.98299559470503]
マッスル・イン・タイム (MinT) は、大規模な人工筋肉活性化データセットである。
227名の被験者と402名の模擬筋骨格をカバーする9時間以上のシミュレーションデータを含んでいる。
ヒトのポーズ配列からニューラルネットワークを用いた筋活動量推定の結果を示す。
論文 参考訳（メタデータ） (2024-10-31T18:28:53Z) - Predicting Muscle Thickness Deformation from Muscle Activation Patterns: A Dual-Attention Framework [0.0]
表面筋電図(sEMG)は筋の生体電気信号を筋の活性化として記録する。
本稿では筋厚の変形予測にsEMG信号を利用するディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2024-09-26T20:21:35Z) - Shape Matters: Detecting Vertebral Fractures Using Differentiable
Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。
骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。
本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文 参考訳（メタデータ） (2023-12-08T18:11:22Z) - MSKdeX: Musculoskeletal (MSK) decomposition from an X-ray image for
fine-grained estimation of lean muscle mass and muscle volume [5.1294076116231455]
サルコペン症や骨粗しょう症などの筋骨格疾患は、加齢に伴う健康にとって大きな障害である。
そこで本研究では,原X線像,低コスト,低放射能,高アクセス性画像モダリティから微細な筋肉特性を推定する手法を提案する。
論文 参考訳（メタデータ） (2023-05-31T14:56:18Z) - Region-based Contrastive Pretraining for Medical Image Retrieval with
Anatomic Query [56.54255735943497]
医用画像検索のための地域別コントラスト事前トレーニング(RegionMIR)
医用画像検索のための領域ベースコントラスト事前トレーニング(RegionMIR)について紹介する。
論文 参考訳（メタデータ） (2023-05-09T16:46:33Z) - UNet-2022: Exploring Dynamics in Non-isomorphic Architecture [52.04899592688968]
単純並列化による自己意図と畳み込みの利点を生かした並列非同型ブロックを提案する。
得られたU字型セグメンテーションモデルをUNet-2022と呼ぶ。
実験では、UNet-2022は明らかにレンジセグメンテーションタスクにおいてその性能を上回っている。
論文 参考訳（メタデータ） (2022-10-27T16:00:04Z) - Learning correspondences of cardiac motion from images using
biomechanics-informed modeling [7.193217430660012]
予測変位ベクトル場(DVF)上での正則化として, バイオメカニクスを前もって明示的に表現する手法を提案する。
提案手法は,視覚的評価による生体力学的特性の保存性を向上し,定量的評価指標を用いたセグメンテーション性能の優位性を示す。
論文 参考訳（メタデータ） (2022-09-01T20:59:26Z) - Generalized Organ Segmentation by Imitating One-shot Reasoning using
Anatomical Correlation [55.1248480381153]
そこで我々は,アノテーション付きオルガンクラスから一般化されたオルガン概念を学習し,その概念を未知のクラスに転送するOrganNetを提案する。
そこで,OrganNetは臓器形態の幅広い変化に効果的に抵抗でき,一発分節タスクで最先端の結果が得られることを示す。
論文 参考訳（メタデータ） (2021-03-30T13:41:12Z) - Multi-Structure Deep Segmentation with Shape Priors and Latent
Adversarial Regularization [0.5249805590164902]
MR画像における多構造骨変形の深層学習に基づく正規化セグメンテーション法を提案する。
新たに考案した形状コード判別器に基づき,本手法は深層ネットワークに解剖学の学習可能な形状表現に従うよう強制する。
本研究は足関節および肩関節からの2つの小児筋骨格イメージングデータセットにおける術中正規化法と比較した。
論文 参考訳（メタデータ） (2021-01-25T15:43:40Z) - HEMlets PoSh: Learning Part-Centric Heatmap Triplets for 3D Human Pose
and Shape Estimation [60.35776484235304]
本研究は, 中間状態部分熱マップトリプレット(HEMlets)を導入し, 検出された2次元関節を三次元空間に持ち上げる不確実性に対処しようとするものである。
HEMletsは3つのジョイントヒートマップを使用して、各骨格体部に対するエンドジョイントの相対的な深さ情報を表す。
Convolutional Network (ConvNet) は、入力画像からHEMletを予測し、次にボリュームのジョイント・ヒートマップレグレッションを学習する。
論文 参考訳（メタデータ） (2020-03-10T04:03:45Z)
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。