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
- 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) - DiffusionEngine: Diffusion Model is Scalable Data Engine for Object
Detection [41.436817746749384]
Diffusion Modelはオブジェクト検出のためのスケーラブルなデータエンジンである。
DiffusionEngine(DE)は、高品質な検出指向のトレーニングペアを単一のステージで提供する。
論文 参考訳(メタデータ) (2023-09-07T17:55:01Z) - infoVerse: A Universal Framework for Dataset Characterization with
Multidimensional Meta-information [68.76707843019886]
infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。
infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。
実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
論文 参考訳(メタデータ) (2023-05-30T18:12:48Z) - Targeted Analysis of High-Risk States Using an Oriented Variational
Autoencoder [3.494548275937873]
可変オートエンコーダ(VAE)ニューラルネットワークは、電力系統状態を生成するために訓練することができる。
VAEの潜在空間符号の座標は、データの概念的特徴と相関することが示されている。
本稿では、遅延空間コードと生成されたデータとのリンクを制限するために、指向性変動オートエンコーダ(OVAE)を提案する。
論文 参考訳(メタデータ) (2023-03-20T19:34:21Z) - 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) - Voxelmorph++ Going beyond the cranial vault with keypoint supervision
and multi-channel instance optimisation [8.88841928746097]
近年のLearn2Regベンチマークでは,単スケールU-Netアーキテクチャーは腹部または患者内肺登録の最先端性能に劣っている。
本稿では、この精度のギャップを大幅に減らすための2つの簡単な手順を提案する。
まず、離散化されたヒートマップを予測する新しいネットワークヘッドを備えたキーポイント・セルフスーパービジョンを用いる。
次に、複数の学習した微調整ステップを、手作りの機能とAdamオプティマイザでひとつのインスタンスに置き換える。
論文 参考訳(メタデータ) (2022-02-28T19:23:29Z) - 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。