論文の概要: TABSurfer: a Hybrid Deep Learning Architecture for Subcortical Segmentation

• arxiv url: http://arxiv.org/abs/2312.08267v1
• Date: Wed, 13 Dec 2023 16:29:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-14 14:49:42.040217
• Title: TABSurfer: a Hybrid Deep Learning Architecture for Subcortical Segmentation
• Title（参考訳）: TABSurfer: 皮質下セグメンテーションのためのハイブリッドディープラーニングアーキテクチャ
• Authors: Aaron Cao, Vishwanatha M. Rao, Kejia Liu, Xinru Liu, Andrew F. Laine, Jia Guo
• Abstract要約: TABSurferは3DパッチベースのCNN-Transformerハイブリッド深層学習モデルである。 評価のために、まず、さまざまなT1w MRIデータセットにまたがるTABSurferの一貫性性能を、FreeSurferと比較して大幅に短い処理時間で示す。 各テストでは、主要なディープラーニングベンチマークであるFastSurferVINNに対して、TABSurferのアドバンテージを確立します。
• 参考スコア（独自算出の注目度）: 13.819317236131393
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Subcortical segmentation remains challenging despite its important applications in quantitative structural analysis of brain MRI scans. The most accurate method, manual segmentation, is highly labor intensive, so automated tools like FreeSurfer have been adopted to handle this task. However, these traditional pipelines are slow and inefficient for processing large datasets. In this study, we propose TABSurfer, a novel 3D patch-based CNN-Transformer hybrid deep learning model designed for superior subcortical segmentation compared to existing state-of-the-art tools. To evaluate, we first demonstrate TABSurfer's consistent performance across various T1w MRI datasets with significantly shorter processing times compared to FreeSurfer. Then, we validate against manual segmentations, where TABSurfer outperforms FreeSurfer based on the manual ground truth. In each test, we also establish TABSurfer's advantage over a leading deep learning benchmark, FastSurferVINN. Together, these studies highlight TABSurfer's utility as a powerful tool for fully automated subcortical segmentation with high fidelity.
• Abstract（参考訳）: 脳MRIスキャンの定量的構造解析に重要な応用があるにもかかわらず、皮質下セグメンテーションは依然として困難である。 最も正確な方法は手動セグメンテーションであり、非常に労力がかかるため、freesurferのような自動化ツールがこのタスクに採用されている。 しかし、これらの従来のパイプラインは大きなデータセットを処理するのに遅くて非効率です。 本研究では,新しい3DパッチベースのCNN-TransformerハイブリッドディープラーニングモデルであるTABSurferを提案する。 評価のために、まず、さまざまなT1w MRIデータセットにまたがるTABSurferの一貫性性能を、FreeSurferと比較して大幅に短い処理時間で示す。 そして、手動セグメンテーションに対して検証を行い、TABSurferは手動地上真実に基づいてFreeSurferより優れています。 各テストでは、主要なディープラーニングベンチマークであるFastSurferVINNに対して、TABSurferの優位性を確立する。 これらの研究は、TABSurferの高忠実度で完全自動化された皮質下セグメンテーションのための強力なツールとしての有用性を強調した。

関連論文リスト

• Unsupervised Tissue Segmentation via Deep Constrained Gaussian Network [13.331718119215436]
  本稿では、エンドツーエンドの深層混合モデルと制約付き指標を統合することにより、教師なし学習パラダイムを提案する。 パブリックデータセットと社内データセットの両方で検証することにより、提案した深い制約付きガウスネットワークは、大幅にパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2022-08-04T22:25:25Z)
• Learning to Win Lottery Tickets in BERT Transfer via Task-agnostic Mask Training [55.43088293183165]
  近年の研究では、BERTのような事前学習言語モデル(PLM)には、元のPLMと同じような変換学習性能を持つマッチングワークが含まれていることが示されている。 本稿では, BERTworksがこれらの研究で示された以上の可能性を秘めていることを示す。 我々は、サブネットワークの普遍的な転送可能性を維持することを目的として、事前学習タスクのモデル重みよりも二項マスクを訓練する。
  論文  参考訳（メタデータ） (2022-04-24T08:42:47Z)
• 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)
• Improving Across-Dataset Brain Tissue Segmentation Using Transformer [10.838458766450989]
  本研究では,脳組織セグメンテーションのための新しいCNN-Transformerハイブリッドアーキテクチャを提案する。 我々は、4つのマルチサイトT1w MRIデータセットでモデルの性能を検証する。
  論文  参考訳（メタデータ） (2022-01-21T15:16:39Z)
• Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with Self-Supervised Depth Estimation [94.16816278191477]
  本稿では,セミアダプティブなセマンティックセマンティックセマンティックセグメンテーションのためのフレームワークを提案する。 ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。 提案したモデルをCityscapesデータセット上で検証する。
  論文  参考訳（メタデータ） (2021-08-28T01:33:38Z)
• Fast accuracy estimation of deep learning based multi-class musical source separation [79.10962538141445]
  本稿では,ニューラルネットワークのトレーニングやチューニングを行うことなく,任意のデータセットにおける楽器の分離性を評価する手法を提案する。 理想的な比マスクを持つオラクルの原理に基づいて、我々の手法は最先端のディープラーニング手法の分離性能を推定するための優れたプロキシである。
  論文  参考訳（メタデータ） (2020-10-19T13:05:08Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• Self-Supervised Drivable Area and Road Anomaly Segmentation using RGB-D Data for Robotic Wheelchairs [26.110522390201094]
  我々は,乾燥地や道路異常のセグメンテーションラベルを自動生成するパイプラインを開発した。 提案する自動ラベリングパイプラインは,手動ラベリングと比較して,目覚ましいスピードアップを実現している。 提案する自己教師型アプローチは,最先端の従来のアルゴリズムよりも堅牢で正確な結果を示す。
  論文  参考訳（メタデータ） (2020-07-12T10:12:46Z)
• Unsupervised Learning Consensus Model for Dynamic Texture Videos Segmentation [12.462608802359936]
  動的テクスチャのセグメンテーションのための効果的な教師なし学習コンセンサスモデルを提案する。 提案モデルでは,分類対象画素の周辺部における再量子化局所2値パターン(LBP)ヒストグラムの値の集合を特徴として用いた。 挑戦的なSynthDBデータセットで実施された実験は、ULCMが大幅に高速で、コーディングが簡単で、単純で、パラメータが限られていることを示している。
  論文  参考訳（メタデータ） (2020-06-29T16:40:59Z)
• MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
  本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。 マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。 本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
  論文  参考訳（メタデータ） (2020-05-15T10:37:02Z)
• On Coresets for Support Vector Machines [61.928187390362176]
  coresetは、元のデータポイントの小さな、代表的なサブセットである。 我々は,本アルゴリズムを用いて,既製のSVMソルバをストリーミング,分散,動的データ設定に適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-02-15T23:25:12Z)

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。