論文の概要: PIPsUS: Self-Supervised Point Tracking in Ultrasound

• arxiv url: http://arxiv.org/abs/2403.04969v2
• Date: Wed, 31 Jul 2024 16:03:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-01 20:25:13.761652
• Title: PIPsUS: Self-Supervised Point Tracking in Ultrasound
• Title（参考訳）: PIPsUS:超音波による自己監督点追跡
• Authors: Wanwen Chen, Adam Schmidt, Eitan Prisman, Septimiu E Salcudean,
• Abstract要約: 超音波(US)における点レベル対応の発見は基本的な問題である PIPsUSと呼ばれる自己教師付きピクセルレベルの追跡モデルを提案する。 我々のモデルは、1つの前方通過において任意の数の点を追跡でき、連続するフレームではなく複数の時間情報を利用することができる。
• 参考スコア（独自算出の注目度）: 4.987315310656657
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Finding point-level correspondences is a fundamental problem in ultrasound (US), since it can enable US landmark tracking for intraoperative image guidance in different surgeries, including head and neck. Most existing US tracking methods, e.g., those based on optical flow or feature matching, were initially designed for RGB images before being applied to US. Therefore domain shift can impact their performance. Training could be supervised by ground-truth correspondences, but these are expensive to acquire in US. To solve these problems, we propose a self-supervised pixel-level tracking model called PIPsUS. Our model can track an arbitrary number of points in one forward pass and exploits temporal information by considering multiple, instead of just consecutive, frames. We developed a new self-supervised training strategy that utilizes a long-term point-tracking model trained for RGB images as a teacher to guide the model to learn realistic motions and use data augmentation to enforce tracking from US appearance. We evaluate our method on neck and oral US and echocardiography, showing higher point tracking accuracy when compared with fast normalized cross-correlation and tuned optical flow. Code will be available once the paper is accepted.
• Abstract（参考訳）: 点レベルの対応を見つけることは超音波(US)の基本的な問題であり、頭部や頸部を含む異なる外科手術における術中画像誘導のための米国のランドマーク追跡を可能にする。 例えば、光学フローや特徴マッチングに基づく既存のアメリカの追跡手法は、当初、米国に適用される前にRGBイメージ用に設計されていた。 そのため、ドメインシフトはパフォーマンスに影響を与える可能性がある。 訓練は地道な通信によって監督されるが、アメリカでの取得は高価である。 これらの問題を解決するために,PIPsUSと呼ばれる自己教師付き画素レベルの追跡モデルを提案する。 我々のモデルは、1つの前方通過において任意の数の点を追跡でき、連続するフレームではなく複数の時間情報を利用することができる。 我々は,教師としてRGB画像のために訓練された長期的点追跡モデルを利用して,現実的な動きを学習し,データ拡張を用いて,米国外見からの追跡を強制する,新たな自己教師型トレーニング戦略を開発した。 本手法を頚部, 経口超音波検査, 心エコー検査で評価し, 高速な正規化相互相関と調整光流との比較で高い点追跡精度を示した。 論文が受理されれば、コードは利用可能になる。

関連論文リスト

• Shelf-Supervised Cross-Modal Pre-Training for 3D Object Detection [52.66283064389691]
  最先端の3Dオブジェクト検出器は、しばしば大量のラベル付きデータセットで訓練される。 近年の研究では、ラベル付きデータによる自己教師付き事前学習が、ラベル付きラベルによる検出精度を向上させることが示されている。 組合わせRGBとLiDARデータからゼロショット3Dバウンディングボックスを生成するためのシェルフ制御手法を提案する。
  論文  参考訳（メタデータ） (2024-06-14T15:21:57Z)
• EchoTracker: Advancing Myocardial Point Tracking in Echocardiography [0.6263680699548959]
  EchoTrackerは、超音波画像シーケンスを横切る組織表面のクエリポイントの追跡を容易にする、2倍の粗い粒度モデルである。 実験の結果、平均位置精度は67%、中央軌道誤差は2.86ピクセルである。 このことは、学習に基づく点追跡がパフォーマンスを向上し、臨床測定において高い診断と予後の値が得られることを示唆している。
  論文  参考訳（メタデータ） (2024-05-14T13:24:51Z)
• Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
  本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。 バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。 ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-25T13:22:17Z)
• Dense Optical Tracking: Connecting the Dots [82.79642869586587]
  DOTは、ビデオにおけるポイントトラッキングの問題を解決するための、新しくてシンプルで効率的な方法である。 OmniMotionのような高度な"ユニバーサルトラッカー"を上回り、CoTrackerのような最良のポイントトラッキングアルゴリズムと同等か、あるいはそれ以上の精度で、DOTが現在の光フロー技術よりもはるかに正確であることを示す。
  論文  参考訳（メタデータ） (2023-12-01T18:59:59Z)
• QDTrack: Quasi-Dense Similarity Learning for Appearance-Only Multiple Object Tracking [73.52284039530261]
  本稿では,コントラスト学習のために,画像上に数百のオブジェクト領域を密集した擬似Dense類似性学習を提案する。 得られた特徴空間は、オブジェクトアソシエーションの推論時間において、単純な近接探索を許容する。 我々の類似性学習方式は,ビデオデータに限らず,静的入力でも有効なインスタンス類似性を学ぶことができることを示す。
  論文  参考訳（メタデータ） (2022-10-12T15:47:36Z)
• Landmark Tracking in Liver US images Using Cascade Convolutional Neural Networks with Long Short-Term Memory [9.49563286905127]
  本研究では,超音波(US)画像誘導放射線治療のための深層学習に基づく追跡手法を提案する。 提案したモデルは、MICCAI(Medicical Image Computing and Computer Assisted Interventions) 2015の課題で使用される、米国における肝追跡データセットでテストされた。
  論文  参考訳（メタデータ） (2022-09-14T22:01:20Z)
• Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
  分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。 トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2022-04-04T13:39:43Z)
• Coarse-to-Fine Object Tracking Using Deep Features and Correlation Filters [2.3526458707956643]
  本稿では,新しいディープラーニング追跡アルゴリズムを提案する。 対象の翻訳を大まかに推定するために,深層特徴の一般化能力を利用する。 そして,相関フィルタの識別力を利用して追跡対象を正確に局所化する。
  論文  参考訳（メタデータ） (2020-12-23T16:43:21Z)
• Unsupervised Deep Representation Learning for Real-Time Tracking [137.69689503237893]
  視覚追跡のための教師なし学習手法を提案する。 教師なし学習の動機は、ロバストなトラッカーが双方向トラッキングに有効であるべきだということです。 我々は,シームズ相関フィルタネットワーク上にフレームワークを構築し,教師なし学習を容易にするために,多フレーム検証方式とコスト感受性損失を提案する。
  論文  参考訳（メタデータ） (2020-07-22T08:23:12Z)

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。