論文の概要: Data-Dependent Higher-Order Clique Selection for Artery-Vein Segmentation by Energy Minimization

• arxiv url: http://arxiv.org/abs/2312.07860v1
• Date: Wed, 13 Dec 2023 02:57:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-14 16:44:52.368902
• Title: Data-Dependent Higher-Order Clique Selection for Artery-Vein Segmentation by Energy Minimization
• Title（参考訳）: エネルギー最小化による動脈・静脈セグメンテーションのためのデータ依存型高次クライク選択法
• Authors: Yoshiro Kitamura, Yuanzhong Li, Wataru Ito, Hiroshi Ishikawa
• Abstract要約: エネルギーに高次項を導入し、セグメントの形状に関する事前の知識を取り入れる。 この用語は、あるピクセルの集合が1つのセグメントまたはもう1つのセグメントに完全に存在することを奨励する。 CT画像における完全自動肺動脈-静脈分画の現実的応用における本法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 0.9854247443739574
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We propose a novel segmentation method based on energy minimization of higher-order potentials. We introduce higher-order terms into the energy to incorporate prior knowledge on the shape of the segments. The terms encourage certain sets of pixels to be entirely in one segment or the other. The sets can for instance be smooth curves in order to help delineate pulmonary vessels, which are known to run in almost straight lines. The higher-order terms can be converted to submodular first-order terms by adding auxiliary variables, which can then be globally minimized using graph cuts. We also determine the weight of these terms, or the degree of the aforementioned encouragement, in a principled way by learning from training data with the ground truth. We demonstrate the effectiveness of the method in a real-world application in fully-automatic pulmonary artery-vein segmentation in CT images.
• Abstract（参考訳）: 高次ポテンシャルのエネルギー最小化に基づく新しいセグメンテーション法を提案する。 エネルギーに高次項を導入することで、セグメントの形状に事前知識を組み込む。 この用語は、あるピクセルの集合を1つのセグメントまたはもう一方に完全に配置することを奨励する。 例えば、このセットは、ほぼ直線で走ることが知られている肺血管の直線化を助けるために滑らかな曲線となる。 高階項は補助変数を追加することで副モジュラー一階項に変換することができ、グラフカットによってグローバルに最小化することができる。 また、基礎的真理を用いた訓練データから学習することで、これらの用語の重み、または前述の奨励の程度を原理的に決定する。 CT画像における完全自動肺動脈-静脈分画の現実的応用における本法の有効性を実証する。

関連論文リスト

• Revisiting Surgical Instrument Segmentation Without Human Intervention: A Graph Partitioning View [7.594796294925481]
  本稿では,ビデオフレーム分割をグラフ分割問題として再検討し,教師なしの手法を提案する。 自己教師付き事前学習モデルは、まず、高レベルな意味的特徴をキャプチャする特徴抽出器として活用される。 ディープ」固有ベクトルでは、手術用ビデオフレームは、ツールや組織などの異なるモジュールに意味的に分割され、区別可能な意味情報を提供する。
  論文  参考訳（メタデータ） (2024-08-27T05:31:30Z)
• Diffusion Models for Open-Vocabulary Segmentation [79.02153797465324]
  OVDiffは、教師なしオープン語彙セグメンテーションに生成テキストから画像への拡散モデルを利用する新しい手法である。 トレーニング済みのコンポーネントのみに依存し、トレーニングなしで合成セグメンタを直接出力する。
  論文  参考訳（メタデータ） (2023-06-15T17:51:28Z)
• One-step Bipartite Graph Cut: A Normalized Formulation and Its Application to Scalable Subspace Clustering [56.81492360414741]
  両部グラフの1ステップ正規化カットを、特に線形時間複雑性で実施する方法を示す。 本稿では、まず、正規化制約付き一段階二分グラフカット基準を特徴付けるとともに、そのトレース問題に対する等価性を理論的に証明する。 このカット基準を、適応アンカー学習、二部グラフ学習、一段階正規化二部グラフ分割を同時にモデル化するスケーラブルなサブスペースクラスタリングアプローチに拡張する。
  論文  参考訳（メタデータ） (2023-05-12T11:27:20Z)
• Point Transformer For Coronary Artery Labeling [15.584299238028464]
  CCTA分析のための正確かつ自動的な血管ラベリングアルゴリズムは、診断効率を大幅に改善し、臨床医の手作業を減らすことができる。 本稿では,冠動脈セグメンテーションのみを必要とするPoint Transformerに基づく簡易な血管ラベリング法を提案する。
  論文  参考訳（メタデータ） (2023-05-04T03:57:54Z)
• SegPrompt: Using Segmentation Map as a Better Prompt to Finetune Deep Models for Kidney Stone Classification [62.403510793388705]
  深層学習は、内視鏡画像を用いた腎臓結石分類のための奨励的な結果を生み出している。 注釈付きトレーニングデータの不足は、トレーニングされたモデルの性能と一般化能力を改善する上で深刻な問題を引き起こす。 本稿では,セグメンテーションマップを2つの側面から活用することにより,データ不足問題を軽減するためにSegPromptを提案する。
  論文  参考訳（メタデータ） (2023-03-15T01:30:48Z)
• The Manifold Hypothesis for Gradient-Based Explanations [55.01671263121624]
  勾配に基づく説明アルゴリズムは知覚的に整合した説明を提供する。 特徴属性がデータの接する空間と一致しているほど、知覚的に一致している傾向にあることを示す。 説明アルゴリズムは、その説明をデータ多様体と整合させるよう積極的に努力すべきである。
  論文  参考訳（メタデータ） (2022-06-15T08:49:24Z)
• ShapePU: A New PU Learning Framework Regularized by Global Consistency for Scribble Supervised Cardiac Segmentation [16.188681108101196]
  本稿では,Positive-Unlabeled (PU) 学習フレームワークとグローバル整合性正規化に基づく,新しいスクリブルガイドによる心臓セグメンテーション法を提案する。 提案手法は,Diceの平均的な1.4%と9.8%の完全教師付きアプローチを超越し,最先端の弱教師付き学習法とPU学習法を大きなマージンで上回った。
  論文  参考訳（メタデータ） (2022-06-05T07:59:08Z)
• Towards Better Laplacian Representation in Reinforcement Learning with Generalized Graph Drawing [88.22538267731733]
  ラプラシアン表現は、状態に対する簡潔で情報的な表現を提供する。 近年の研究はスペクトルグラフ描画の目的を最小化することを提案しているが、固有ベクトル以外の大域最小化器は無限に多数存在する。 学習したラプラシア表現がより探索的な選択肢とより良い報酬形成をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-07-12T16:14:02Z)
• Partition and Code: learning how to compress graphs [50.29024357495154]
  まず、分割アルゴリズムがグラフを基本構造に分解し、これらを確率分布を学習する小さな辞書の要素にマッピングし、エントロピーエンコーダが表現をビットに変換する。 提案アルゴリズムは,非パラメトリックおよびパラメトリックグラフ圧縮器の異なるファミリーに対して,多種多様な実世界のネットワーク上で定量的に評価し,大幅な性能向上を実現している。
  論文  参考訳（メタデータ） (2021-07-05T11:41:16Z)
• The GraphNet Zoo: An All-in-One Graph Based Deep Semi-Supervised Framework for Medical Image Classification [0.0]
  ラベルが限られている場合、医療画像データセットを分類する問題を考える。 半教師付き学習を用いることで、ラベル付きデータの量を大幅に削減して正確な分類を行うことができる。 本稿では,グラフに基づくアプローチに着目した,深い半教師付き分類のためのオールインワンフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-13T19:18:21Z)

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。