Fugu-MT 論文翻訳(概要): SE(3)-Equivariant and Noise-Invariant 3D Rigid Motion Tracking in Brain MRI

論文の概要: SE(3)-Equivariant and Noise-Invariant 3D Rigid Motion Tracking in Brain MRI

arxiv url: http://arxiv.org/abs/2312.13534v2
Date: Mon, 22 Apr 2024 13:30:40 GMT
ステータス: 処理完了
システム内更新日: 2024-04-24 00:03:25.532971
Title: SE(3)-Equivariant and Noise-Invariant 3D Rigid Motion Tracking in Brain MRI
Title（参考訳）: 脳MRIにおけるSE(3)-equivariant and noise-invariant 3D Rigid Motion Tracking
Authors: Benjamin Billot, Neel Dey, Daniel Moyer, Malte Hoffmann, Esra Abaci Turk, Borjan Gagoski, Ellen Grant, Polina Golland,
Abstract要約: 動作追跡にSE(3)-equivariant CNN(E-CNN)を用いる最初の方法であるEquiTrackを提案する。ステアブルなE-CNNは、さまざまなポーズで対応する特徴を抽出できるが、ノイズの多い医療画像でそれらをテストすると、ノイズ不変性を学ぶのに十分な学習能力がないことが分かる。等変空間特徴の抽出から無関係強度特徴の処理を分離するために,E-CNNとデノイザをペアリングするハイブリッドアーキテクチャを提案する。
参考スコア（独自算出の注目度）: 6.7536588780232565
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Rigid motion tracking is paramount in many medical imaging applications where movements need to be detected, corrected, or accounted for. Modern strategies rely on convolutional neural networks (CNN) and pose this problem as rigid registration. Yet, CNNs do not exploit natural symmetries in this task, as they are equivariant to translations (their outputs shift with their inputs) but not to rotations. Here we propose EquiTrack, the first method that uses recent steerable SE(3)-equivariant CNNs (E-CNN) for motion tracking. While steerable E-CNNs can extract corresponding features across different poses, testing them on noisy medical images reveals that they do not have enough learning capacity to learn noise invariance. Thus, we introduce a hybrid architecture that pairs a denoiser with an E-CNN to decouple the processing of anatomically irrelevant intensity features from the extraction of equivariant spatial features. Rigid transforms are then estimated in closed-form. EquiTrack outperforms state-of-the-art learning and optimisation methods for motion tracking in adult brain MRI and fetal MRI time series. Our code is available at https://github.com/BBillot/EquiTrack.
Abstract（参考訳）: 剛体運動追跡は、運動を検出し、修正し、説明する必要がある多くの医療画像アプリケーションにおいて最重要である。現代の戦略は畳み込みニューラルネットワーク(CNN)に依存しており、厳格な登録としてこの問題を提起している。しかし、CNNはこのタスクにおいて自然な対称性を利用せず、翻訳(出力は入力とともに変化する)と同一であるが、回転には適用されない。本稿では,動き追跡にSE(3)-equivariant CNN(E-CNN)を用いる最初の方法であるEquiTrackを提案する。ステアブルなE-CNNは、さまざまなポーズで対応する特徴を抽出できるが、ノイズの多い医療画像でそれらをテストすると、ノイズ不変性を学ぶのに十分な学習能力がないことが分かる。そこで,同変空間特徴の抽出から解剖学的に無関係な強度特徴の処理を分離するために,E-CNNとデノイザを結合するハイブリッドアーキテクチャを提案する。剛体変換は閉形式で推定される。 EquiTrackは、成人脳MRIおよび胎児MRI時系列における運動追跡の最先端の学習および最適化方法より優れている。私たちのコードはhttps://github.com/BBillot/EquiTrack.comから入手可能です。

関連論文リスト

Fully Unsupervised Dynamic MRI Reconstruction via Diffeo-Temporal Equivariance [2.260147251787331]
教師付き学習法は周期性を前提として欠陥があり、真の動きの撮像を禁止している。我々は,アンサンプド計測のみから動的MRIシーケンスを再構築するための教師なしフレームワークを提案する。我々の手法は基盤となるニューラルネットワークアーキテクチャに非依存であり、最新のパラダイムや後処理アプローチに適応するために使用することができる。
論文参考訳（メタデータ） (2024-10-11T09:16:30Z)
SpaER: Learning Spatio-temporal Equivariant Representations for Fetal Brain Motion Tracking [6.417960463128722]
SpaERは胎児運動追跡の先駆的手法である。我々は,剛体運動列を効率的に学習する同変ニューラルネットワークを開発した。シミュレーションおよび実動作を用いた実胎児エコープラナー画像を用いて本モデルの有効性を検証した。
論文参考訳（メタデータ） (2024-07-29T17:24:52Z)
NIKI: Neural Inverse Kinematics with Invertible Neural Networks for 3D Human Pose and Shape Estimation [53.25973084799954]
両方向誤差をモデル化したNIKI(Neural Inverse Kinematics with Invertible Neural Network)を提案する。 NIKIは、非可逆ネットワークによる前処理と逆処理の両方から学習することができる。
論文参考訳（メタデータ） (2023-05-15T12:13:24Z)
DRIMET: Deep Registration for 3D Incompressible Motion Estimation in Tagged-MRI with Application to the Tongue [11.485843032637439]
変形組織の詳細な動きを観察し定量化するために、タグ付き磁気共鳴イメージング(MRI)が何十年も使われてきた。本稿では, タグ付きMRIのための非教師付き位相ベース3次元動作推定手法を提案する。
論文参考訳（メタデータ） (2023-01-18T00:16:30Z)
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)
GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
論文参考訳（メタデータ） (2022-07-18T06:01:29Z)
Algorithm For 3D-Chemotaxis Using Spiking Neural Network [0.0]
ケモタキシーにインスパイアされた3次元メディアにおいて,輪郭追跡のための終端スパイク実装を考案することを目指している。我々は、クリオキネシスに基づくアルゴリズムを考案し、そこでは、ワームの動きは刺激に反応するが、それに比例しない。
論文参考訳（メタデータ） (2021-06-30T17:11:00Z)
Neural Monocular 3D Human Motion Capture with Physical Awareness [76.55971509794598]
物理的に可塑性なマーカーレス3次元モーションキャプチャのための新しいトレーニングシステムを提案する。人間のモーションキャプチャのためのほとんどのニューラルな手法とは異なり、我々のアプローチは物理的および環境的な制約を認識している。様々な場面でインタラクティブなフレームレートで、滑らかで物理的に原理化された3dモーションを生成する。
論文参考訳（メタデータ） (2021-05-03T17:57:07Z)
3D Convolutional Neural Networks for Ultrasound-Based Silent Speech Interfaces [0.0]
silent speech interface (ssi) は、舌の超音波映像のような調音運動の記録から音声信号を再構成することを目的としている。ディープニューラルネットワークはこのタスクで最も成功した技術です。これの1つのオプションは、2D畳み込みニューラルネットワーク(CNNs)と組み合わせて、長期記憶ネットワーク(LSTM)などの繰り返し神経構造を適用することです。
論文参考訳（メタデータ） (2021-04-23T10:56:34Z)
Rotation-Equivariant Deep Learning for Diffusion MRI [49.321304988619865]
畳み込みネットワークは成功しているが、最近は回転や翻訳で等価である新しいニューラルネットワークによってパフォーマンスが上がっている。ここでは、6次元拡散MRIデータに一般化し、画像空間における3次元ロト変換と一致する3次元回転を$q$-スペースで保証する。提案するニューラルネットワークは,非回転同変深層学習と比較して,より優れた結果を得るとともに,トレーニングのためのスキャンを少なくする。
論文参考訳（メタデータ） (2021-02-13T15:18:34Z)
3D CNNs with Adaptive Temporal Feature Resolutions [83.43776851586351]
similarity Guided Sampling (SGS)モジュールは既存のCNNアーキテクチャにプラグインできる。 SGSは、時間的特徴の類似性を学び、類似した特徴をまとめることで、3D CNNに権限を与える。評価の結果,提案モジュールは精度を保ちながら計算コスト(GFLOP)を半分に減らし,最先端化を実現していることがわかった。
論文参考訳（メタデータ） (2020-11-17T14:34:05Z)

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。