論文の概要: FireANTs: Adaptive Riemannian Optimization for Multi-Scale Diffeomorphic Registration
- arxiv url: http://arxiv.org/abs/2404.01249v1
- Date: Mon, 1 Apr 2024 17:12:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-03 21:36:17.730128
- Title: FireANTs: Adaptive Riemannian Optimization for Multi-Scale Diffeomorphic Registration
- Title(参考訳): FireANTs: マルチスケール微分型登録のための適応リーマン最適化
- Authors: Rohit Jena, Pratik Chaudhari, James C. Gee,
- Abstract要約: Diffomorphic Image Registrationは、画像翻訳、セグメンテーション、アトラスビルディングといった様々な画像モダリティや下流タスクの分析において重要な部分である。
提案するフレームワークは,一貫した性能向上を実現し,既存のアルゴリズムよりも300倍から2000倍の高速化を実現した。
モジュールライブラリの設計は使いやすく、ユーザ定義のコスト関数によるカスタマイズを可能にします。
- 参考スコア(独自算出の注目度): 20.34181966545357
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diffeomorphic Image Registration is a critical part of the analysis in various imaging modalities and downstream tasks like image translation, segmentation, and atlas building. Registration algorithms based on optimization have stood the test of time in terms of accuracy, reliability, and robustness across a wide spectrum of modalities and acquisition settings. However, these algorithms converge slowly, are prohibitively expensive to run, and their usage requires a steep learning curve, limiting their scalability to larger clinical and scientific studies. In this paper, we develop multi-scale Adaptive Riemannian Optimization algorithms for diffeomorphic image registration. We demonstrate compelling improvements on image registration across a spectrum of modalities and anatomies by measuring structural and landmark overlap of the registered image volumes. Our proposed framework leads to a consistent improvement in performance, and from 300x up to 2000x speedup over existing algorithms. Our modular library design makes it easy to use and allows customization via user-defined cost functions.
- Abstract(参考訳): Diffomorphic Image Registrationは、画像翻訳、セグメンテーション、アトラスビルディングといった様々な画像モダリティや下流タスクの分析において重要な部分である。
最適化に基づく登録アルゴリズムは、広範囲のモダリティと取得設定において、正確性、信頼性、堅牢性の観点から時間のテストに立脚している。
しかし、これらのアルゴリズムはゆっくりと収束し、実行には極めて高価であり、その使用には学習曲線の急勾配が必要であり、そのスケーラビリティはより大きな臨床・科学研究に制限される。
本稿では,微分型画像登録のためのマルチスケール適応リーマン最適化アルゴリズムを提案する。
得られた画像量の構造的重複とランドマーク的重複を計測することにより,画像登録の精度向上を図った。
提案するフレームワークは,一貫した性能向上を実現し,既存のアルゴリズムよりも300倍から2000倍の高速化を実現した。
モジュールライブラリの設計は使いやすく、ユーザ定義のコスト関数によるカスタマイズを可能にします。
関連論文リスト
- Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。
微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
論文 参考訳(メタデータ) (2023-02-24T18:41:48Z) - Deep Diversity-Enhanced Feature Representation of Hyperspectral Images [87.47202258194719]
トポロジを改良して3次元畳み込みを補正し,上行階の高次化を図る。
また、要素間の独立性を最大化するために特徴マップに作用する新しい多様性対応正規化(DA-Reg)項を提案する。
提案したRe$3$-ConvSetとDA-Regの優位性を実証するために,様々なHS画像処理および解析タスクに適用する。
論文 参考訳(メタデータ) (2023-01-15T16:19:18Z) - Convolutional Hough Matching Networks for Robust and Efficient Visual
Correspondence [41.061667361696465]
畳み込みマッチングにおけるハフ変換の視点を導入し、畳み込みハフマッチング(CHM)と呼ばれる効果的な幾何マッチングアルゴリズムを提案する。
本手法は,クラス内変動に挑戦する上で,その強靭性を証明し,意味的視覚対応のための標準ベンチマークに新たな技術状況を設定する。
論文 参考訳(メタデータ) (2021-09-11T08:39:41Z) - SUPER-ADAM: Faster and Universal Framework of Adaptive Gradients [99.13839450032408]
一般的な問題を解決するための適応アルゴリズムのための普遍的な枠組みを設計することが望まれる。
特に,本フレームワークは,非収束的設定支援の下で適応的手法を提供する。
論文 参考訳(メタデータ) (2021-06-15T15:16:28Z) - Unified Convergence Analysis for Adaptive Optimization with Moving Average Estimator [75.05106948314956]
1次モーメントに対する大きな運動量パラメータの増大は適応的スケーリングに十分であることを示す。
また,段階的に減少するステップサイズに応じて,段階的に運動量を増加させるための洞察を与える。
論文 参考訳(メタデータ) (2021-04-30T08:50:24Z) - Convolutional Hough Matching Networks [39.524998833064956]
畳み込みマッチングにおけるハフ変換の視点を導入し、畳み込みハフマッチング(CHM)と呼ばれる効果的な幾何マッチングアルゴリズムを提案する。
半等方性高次元カーネルを持つ学習可能な神経層にキャストし、少数の解釈可能なパラメータとの非剛性マッチングを学習した。
本手法は,意味的視覚対応のための標準ベンチマークの新たな技術を確立し,クラス内変動に対する強固さを証明した。
論文 参考訳(メタデータ) (2021-03-31T06:17:03Z) - Evolutionary Variational Optimization of Generative Models [0.0]
分散最適化と進化的アルゴリズムの2つの一般的な最適化アプローチをジェネレーションモデルのための学習アルゴリズムの導出に組み合わせます。
進化的アルゴリズムは変動境界を効果的かつ効率的に最適化できることを示す。
ゼロショット」学習のカテゴリでは、多くのベンチマーク設定で最先端の技術を大幅に改善するために進化的変動アルゴリズムを観察しました。
論文 参考訳(メタデータ) (2020-12-22T19:06:33Z) - A Flexible Framework for Designing Trainable Priors with Adaptive
Smoothing and Game Encoding [57.1077544780653]
我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。
グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。
このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
論文 参考訳(メタデータ) (2020-06-26T08:34:54Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳(メタデータ) (2020-06-11T17:43:19Z) - A Weighted Difference of Anisotropic and Isotropic Total Variation for
Relaxed Mumford-Shah Color and Multiphase Image Segmentation [2.6381163133447836]
異方性および等方性の全変動の差を考慮した一括一括画像分割モデルを提案する。
また,カラー画像のセグメンテーションへの一般化についても論じる。
論文 参考訳(メタデータ) (2020-05-09T09:35:44Z)
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。