Fugu-MT 論文翻訳(概要): SVRDA: A Web-based Dataset Annotation Tool for Slice-to-Volume Registration

論文の概要: SVRDA: A Web-based Dataset Annotation Tool for Slice-to-Volume Registration

arxiv url: http://arxiv.org/abs/2311.15536v1
Date: Mon, 27 Nov 2023 04:49:24 GMT
ステータス: 処理完了
システム内更新日: 2023-11-28 17:19:13.521838
Title: SVRDA: A Web-based Dataset Annotation Tool for Slice-to-Volume Registration
Title（参考訳）: SVRDA: Slice-to-Volume登録のためのWebベースのデータセットアノテーションツール
Authors: Weixun Luo, Alexandre Triay Bagur, Paul Aljabar, George Ralli, Sir Michael Brady
Abstract要約: 提案するツールはSVRDAと呼ばれ、プラットフォームに依存しない協調データセットアノテーションのためのインストール不要のWebアプリケーションである。キーボードショートカットによる効率的な変換操作と,自動セーブによるスムーズなケーストランジションを実現する。スライス・ツー・ボリュームの登録を容易にするために、様々な補足機能が実装されている。
参考スコア（独自算出の注目度）: 42.03033994348234
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Background and Objective: The lack of benchmark datasets has impeded the development of slice-to-volume registration algorithms. Such datasets are difficult to annotate, primarily due to the dimensional difference within data and the dearth of task-specific software. We aim to develop a user-friendly tool to streamline dataset annotation for slice-to-volume registration. Methods: The proposed tool, named SVRDA, is an installation-free web application for platform-agnostic collaborative dataset annotation. It enables efficient transformation manipulation via keyboard shortcuts and smooth case transitions with auto-saving. SVRDA supports configuration-based data loading and adheres to the separation of concerns, offering great flexibility and extensibility for future research. Various supplementary features have been implemented to facilitate slice-to-volume registration. Results: We validated the effectiveness of SVRDA by indirectly evaluating the post-registration segmentation quality on UK Biobank data, observing a dramatic overall improvement (24.02% in the Dice Similarity Coefficient and 48.93% in the 95th percentile Hausdorff distance, respectively) supported by highly statistically significant evidence ($p<0.001$).We further showcased the clinical usage of SVRDA by integrating it into test-retest T1 quantification on in-house magnetic resonance images, leading to more consistent results after registration. Conclusions: SVRDA can facilitate collaborative annotation of benchmark datasets while being potentially applicable to other pipelines incorporating slice-to-volume registration. Full source code and documentation are available at https://github.com/Roldbach/SVRDA
Abstract（参考訳）: 背景と目的: ベンチマークデータセットの欠如は、スライスからボリュームへの登録アルゴリズムの開発を妨げている。このようなデータセットは、主にデータ間の次元差とタスク固有のソフトウェアの変形のために注釈付けが難しい。スライスからボリュームへの登録のためのデータセットアノテーションを合理化するユーザフレンドリーなツールの開発を目指している。 Methods: 提案するツールはSVRDAと呼ばれ、プラットフォームに依存しない協調データセットアノテーションのためのインストール不要のWebアプリケーションである。キーボードショートカットによる効率的な変換操作と,自動セーブによるスムーズなケーストランジションを実現する。 SVRDAは構成ベースのデータローディングをサポートし、関心事の分離に固執し、将来の研究に優れた柔軟性と拡張性を提供します。スライスからボリュームへの登録を容易にするために、様々な補足的な特徴が実装されている。結果: 英国のバイオバンクデータにおいて, 登録後セグメンテーションの質を間接的に評価し, 統計的に有意な証拠(p<0.001$)によって支持された劇的な総合的改善(Dice similarity Coefficientでは24.02%, 95%オースドルフ距離では48.93%)を観察し, SVRDAの有効性を検証した。さらに,SVRDAを社内磁気共鳴画像のT1定量化試験に組み込むことで臨床応用を実証し,登録後のより一貫した結果を得た。結論: svrdaはベンチマークデータセットの協調的なアノテーションを促進し、スライスからボリュームへの登録を含む他のパイプラインに適用できる可能性がある。完全なソースコードとドキュメントはhttps://github.com/Roldbach/SVRDAで入手できる。

関連論文リスト

DRUPI: Dataset Reduction Using Privileged Information [20.59889438709671]
データセットリダクション(DR)は、ターゲットタスクのパフォーマンスを維持しながら、大規模なデータセットからより小さなサブセットにサンプルを選択または蒸留する。本稿では,DRUPI(Privleged Information)を用いたデータセットリダクションについて紹介する。我々の研究結果によると、効果的な特徴ラベルは過度に差別的かつ過度に多様性があり、中程度のレベルがデータセットの有効性を改善するのに最適であることが判明した。
論文参考訳（メタデータ） (2024-10-02T14:49:05Z)
SOLVR: Submap Oriented LiDAR-Visual Re-Localisation [13.434340164323473]
SOLVRは、センサーのモード間で位置認識と6-DoF登録を実行する。我々は,SOLVRがLiDAR-Visual 位置認識と登録のための最先端性能を実現していることを示す。
論文参考訳（メタデータ） (2024-09-16T12:58:03Z)
ALPS: An Auto-Labeling and Pre-training Scheme for Remote Sensing Segmentation With Segment Anything Model [32.91528641298171]
ALPS (Automatic Labeling for Pre-training in Pre-training in Remote Sensing) という,革新的な自動ラベリングフレームワークを導入する。我々はSegment Anything Model(SAM)を利用して、事前のアノテーションや追加のプロンプトを必要とせずに、RS画像の正確な擬似ラベルを予測する。提案手法は,iSAIDやISPRS Potsdamなど,様々なベンチマークにおけるダウンストリームタスクの性能を向上させる。
論文参考訳（メタデータ） (2024-06-16T09:02:01Z)
Efficient Test-Time Adaptation of Vision-Language Models [58.3646257833533]
事前学習された視覚言語モデルによるテスト時間適応は、テスト時間中に分散シフトに取り組むことに注目が集まっている。我々は、視覚言語モデルによる効率的なテスト時間適応を可能にするトレーニングフリーな動的アダプタであるTDAを設計する。
論文参考訳（メタデータ） (2024-03-27T06:37:51Z)
Importance-Aware Adaptive Dataset Distillation [53.79746115426363]
ディープラーニングモデルの開発は、大規模データセットの可用性によって実現されている。データセットの蒸留は、大きな元のデータセットから必須情報を保持するコンパクトなデータセットを合成することを目的としている。本稿では, 蒸留性能を向上する重要適応型データセット蒸留(IADD)法を提案する。
論文参考訳（メタデータ） (2024-01-29T03:29:39Z)
Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文参考訳（メタデータ） (2023-02-16T13:41:19Z)
Recurrence With Correlation Network for Medical Image Registration [66.63200823918429]
本稿では,医療画像登録ネットワークであるRecurrence with correlation Network (RWCNet)について述べる。これらの特徴により、2つの画像登録データセットにおける医用画像登録精度が向上することが実証された。
論文参考訳（メタデータ） (2023-02-05T02:41:46Z)
Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
論文参考訳（メタデータ） (2021-05-22T10:17:38Z)
Performance Analysis of Semi-supervised Learning in the Small-data Regime using VAEs [0.261072980439312]
そこで本研究では,データ空間の潜在空間表現を事前学習した既存のアルゴリズムを用いて,データ構造入力の低次元の特徴を抽出する手法を提案する。微調整された潜在空間は、分類に有用な一定の重みを与える。ここでは、半教師付き学習において、遅延空間サイズが異なるVAEアルゴリズムの性能解析について述べる。
論文参考訳（メタデータ） (2020-02-26T16:19:54Z)

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。