論文の概要: PatchMorph: A Stochastic Deep Learning Approach for Unsupervised 3D Brain Image Registration with Small Patches

• arxiv url: http://arxiv.org/abs/2312.06958v1
• Date: Tue, 12 Dec 2023 03:37:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 17:38:03.030767
• Title: PatchMorph: A Stochastic Deep Learning Approach for Unsupervised 3D Brain Image Registration with Small Patches
• Title（参考訳）: PatchMorph: 小さなパッチを用いた教師なし3次元脳画像登録のための確率的ディープラーニングアプローチ
• Authors: Henrik Skibbe, Michal Byra, Akiya Watakabe, Tetsuo Yamamori, Marco Reisert
• Abstract要約: PatchMorphは、教師なしの3D脳画像登録に適した新しいディープラーニングアルゴリズムである。 本手法では, 局所変形と大域変換を結合する解を導出するために, 一定サイズのコンパクトパッチを用いる。 連続2光子断層撮影によるヒトT1MRI脳画像とマーモセット脳画像の実験により、PatchMorphの優れた性能が確認された。
• 参考スコア（独自算出の注目度）: 0.8933002528026627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce "PatchMorph," an new stochastic deep learning algorithm tailored for unsupervised 3D brain image registration. Unlike other methods, our method uses compact patches of a constant small size to derive solutions that can combine global transformations with local deformations. This approach minimizes the memory footprint of the GPU during training, but also enables us to operate on numerous amounts of randomly overlapping small patches during inference to mitigate image and patch boundary problems. PatchMorph adeptly handles world coordinate transformations between two input images, accommodating variances in attributes such as spacing, array sizes, and orientations. The spatial resolution of patches transitions from coarse to fine, addressing both global and local attributes essential for aligning the images. Each patch offers a unique perspective, together converging towards a comprehensive solution. Experiments on human T1 MRI brain images and marmoset brain images from serial 2-photon tomography affirm PatchMorph's superior performance.
• Abstract（参考訳）: 我々は,教師なし3次元脳画像登録に適した確率的深層学習アルゴリズムである"PatchMorph"を紹介する。 他の方法とは異なり、我々は局所的な変形と大域的な変換を組み合わせられる解を導出するために、一定サイズのコンパクトパッチを使用する。 このアプローチは、トレーニング中のGPUのメモリフットプリントを最小限にすると同時に、画像の緩和や境界のパッチ問題に対する推論中に、多数のランダムに重複する小さなパッチを操作できる。 PatchMorphは、2つの入力イメージ間の世界座標変換を順応的に処理し、間隔、配列サイズ、向きなどの属性のばらつきを調節する。 パッチの空間分解能は粗いものから細かいものへと遷移し、画像の整列に必要なグローバル属性とローカル属性の両方に対処する。 各パッチはユニークな視点を提供し、一緒に包括的なソリューションに向かって収束する。 連続2光子トモグラフィによるヒトt1 mri脳画像とmarmoset脳画像の実験はpatchmorphの優れた性能を肯定する。

関連論文リスト

• Adaptive Patching for High-resolution Image Segmentation with Transformers [9.525013089622183]
  注意に基づくモデルは、セグメンテーションを含む画像分析の領域で増加している。 トランスフォーマーエンコーダにイメージを供給する標準的な方法は、イメージをパッチに分割し、トークンの線形シーケンスとしてモデルにパッチを供給することである。 顕微鏡病理画像などの高解像度画像では、セグメンテーションで好まれる小さなパッチサイズを使用する場合、二次計算とメモリコストは注意に基づくモデルの使用を禁止している。 我々はHPCのAdapative Mesh Refinement(AMR)法から着想を得た。
  論文  参考訳（メタデータ） (2024-04-15T12:06:00Z)
• Learning from small data sets: Patch-based regularizers in inverse problems for image reconstruction [1.1650821883155187]
  機械学習の最近の進歩は、ネットワークを訓練するために大量のデータとコンピュータ能力を必要とする。 本稿は,ごく少数の画像のパッチを考慮に入れることで,小さなデータセットから学習する問題に対処する。 本稿では,Langevin Monte Carlo法を用いて後部を近似することにより,不確実な定量化を実現する方法を示す。
  論文  参考訳（メタデータ） (2023-12-27T15:30:05Z)
• The Change You Want to See (Now in 3D) [65.61789642291636]
  本稿の目的は、同じ3Dシーンの2つの「野生」画像の間で何が変わったかを検出することである。 我々は,全合成データに基づいて学習し,クラスに依存しない変化検出モデルに貢献する。 我々は,人間に注釈を付けた実世界のイメージペアによる評価データセットを新たにリリースした。
  論文  参考訳（メタデータ） (2023-08-21T01:59:45Z)
• 2D3D-MATR: 2D-3D Matching Transformer for Detection-free Registration between Images and Point Clouds [38.425876064671435]
  本稿では2D3D-MATRを提案する。 提案手法では,入力画像のダウンサンプリングされたパッチと点雲との間の粗い対応をまず計算する。 パッチマッチングにおけるスケールのあいまいさを解決するため,各画像パッチに対してマルチスケールピラミッドを構築し,最適なマッチング画像パッチを適切な解像度で検出する。
  論文  参考訳（メタデータ） (2023-08-10T16:10:54Z)
• Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
  我々は,CT画像からの多視点椎体局在と同定を提案する。 本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。 本手法は,多視点グローバル情報を自然に学習することができる。
  論文  参考訳（メタデータ） (2023-07-24T14:43:07Z)
• Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
  本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。 まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。 本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
  論文  参考訳（メタデータ） (2023-02-16T10:40:55Z)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• Deep Neural Patchworks: Coping with Large Segmentation Tasks [0.5599792629509229]
  畳み込みニューラルネットワークは任意の画像セグメンテーションタスクを解決する方法である。 Deep Neural Patchworks(DNP)は、パッチベースのネットワークの階層的およびネスト的スタックに基づくセグメンテーションフレームワークである。
  論文  参考訳（メタデータ） (2022-06-07T12:07:18Z)
• HIPA: Hierarchical Patch Transformer for Single Image Super Resolution [62.7081074931892]
  本稿では,階層型パッチ分割を用いた高解像度画像を段階的に復元する新しいトランスフォーマーアーキテクチャHIPAを提案する。 入力画像を複数のステージで処理するカスケードモデルを構築し、小さなパッチサイズでトークンから始めて、徐々に全解像度にマージします。 このような階層的なパッチ機構は、複数の解像度で機能集約を可能にするだけでなく、異なる画像領域に対するパッチ認識機能も適応的に学習する。
  論文  参考訳（メタデータ） (2022-03-19T05:09:34Z)
• Patch-Based Stochastic Attention for Image Editing [4.8201607588546]
  PatchMatchアルゴリズムをベースとした,近接する近傍近傍の同定に有効なアテンション層を提案する。 画像インペイント, ガイド画像のカラー化, シングルイメージ超解像など, 画像編集作業におけるPSALの有用性を示す。
  論文  参考訳（メタデータ） (2022-02-07T13:42:00Z)
• Recurrent Multi-view Alignment Network for Unsupervised Surface Registration [79.72086524370819]
  非厳格な登録をエンドツーエンドで学習することは、本質的に高い自由度とラベル付きトレーニングデータの欠如により困難である。 我々は、いくつかの剛性変換のポイントワイドな組み合わせで、非剛性変換を表現することを提案する。 また,投影された多視点2次元深度画像上での3次元形状の類似度を計測する可微分損失関数も導入する。
  論文  参考訳（メタデータ） (2020-11-24T14:22:42Z)

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。