論文の概要: FreSeg: Frenet-Frame-based Part Segmentation for 3D Curvilinear Structures
- arxiv url: http://arxiv.org/abs/2404.14435v1
- Date: Fri, 19 Apr 2024 16:40:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-24 18:17:13.785463
- Title: FreSeg: Frenet-Frame-based Part Segmentation for 3D Curvilinear Structures
- Title(参考訳): FreSeg:Frenetフレームを用いた3次元曲線構造のための部分分割
- Authors: Shixuan Gu, Jason Ken Adhinarta, Mikhail Bessmeltsev, Jiancheng Yang, Jessica Zhang, Daniel Berger, Jeff W. Lichtman, Hanspeter Pfister, Donglai Wei,
- Abstract要約: 部分分節は、神経細胞の樹状突起や血管といった3Dキュビリニア構造にとって重要な課題である。
本稿では,3次元曲線構造のための部分分割タスクのフレームワークであるFreSegを提案する。
- 参考スコア(独自算出の注目度): 26.814165975617136
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Part segmentation is a crucial task for 3D curvilinear structures like neuron dendrites and blood vessels, enabling the analysis of dendritic spines and aneurysms with scientific and clinical significance. However, their diversely winded morphology poses a generalization challenge to existing deep learning methods, which leads to labor-intensive manual correction. In this work, we propose FreSeg, a framework of part segmentation tasks for 3D curvilinear structures. With Frenet-Frame-based point cloud transformation, it enables the models to learn more generalizable features and have significant performance improvements on tasks involving elongated and curvy geometries. We evaluate FreSeg on 2 datasets: 1) DenSpineEM, an in-house dataset for dendritic spine segmentation, and 2) IntrA, a public 3D dataset for intracranial aneurysm segmentation. Further, we will release the DenSpineEM dataset, which includes roughly 6,000 spines from 69 dendrites from 3 public electron microscopy (EM) datasets, to foster the development of effective dendritic spine instance extraction methods and, consequently, large-scale connectivity analysis to better understand mammalian brains.
- Abstract(参考訳): 部分分節は、神経樹状突起や血管のような3Dカービリナー構造にとって重要な課題であり、科学的、臨床的に重要な樹状突起と動脈瘤の分析を可能にする。
しかし、それらの多様で曲がりくねった形態は、既存のディープラーニング手法に一般化の課題をもたらし、労働集約的な手作業の修正につながる。
本研究では,3次元曲線構造のための部分分割タスクのフレームワークであるFreSegを提案する。
Frenet-Frameベースのポイントクラウドトランスフォーメーションにより、モデルがより一般化可能な機能を学ぶことができ、拡張されたおよび湾曲したジオメトリを含むタスクのパフォーマンスが大幅に向上する。
FreSegを2つのデータセットで評価します。
1)樹状突起セグメンテーションのための社内データセットDenSpineEMと
2)IntrAは頭蓋内動脈瘤セグメンテーションのためのパブリックな3Dデータセットである。
さらに、3つの公開電子顕微鏡(EM)データセットから69個のデンドライトから約6,000個のスピンを含むDenSpineEMデータセットをリリースし、効率的な樹状突起のインスタンス抽出法の開発を促進し、その結果、哺乳類の脳をよりよく理解するための大規模接続解析を行う。
関連論文リスト
- Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。
管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文 参考訳(メタデータ) (2024-01-11T19:07:58Z) - Benchmarking Encoder-Decoder Architectures for Biplanar X-ray to 3D
Shape Reconstruction [1.1748284119769041]
6つのパブリックデータセットを用いて,2次元3次元モデルと2次元3次元モデルについて広範囲に評価する。
以上の結果から,グローバルな空間的関係を捉えた注意に基づく手法は,すべての解剖学において良好に機能することが示唆された。
論文 参考訳(メタデータ) (2023-09-24T09:05:35Z) - Semi-Weakly Supervised Object Kinematic Motion Prediction [56.282759127180306]
3Dオブジェクトが与えられた場合、運動予測は移動部と対応する運動パラメータを識別することを目的としている。
階層的部分分割と移動部パラメータのマップを学習するグラフニューラルネットワークを提案する。
ネットワーク予測は、擬似ラベル付き移動情報を持つ大規模な3Dオブジェクトを生成する。
論文 参考訳(メタデータ) (2023-03-31T02:37:36Z) - The impact of training dataset size and ensemble inference strategies on
head and neck auto-segmentation [0.0]
コンボリューショナルニューラルネットワーク(CNN)は、放射線治療において臓器とリスクのセグメンテーションを自動化するためにますます使われている。
頭部・頸部自動分離モデルの正確かつ堅牢な訓練に要するデータ量について検討した。
確立された3D CNNは、スクラッチから異なるサイズのデータセット(25-1000スキャン)を用いて訓練され、脳幹、耳下腺、脊髄をCTで分割した。
これらのモデルの性能向上のために,複数のアンサンブル手法を評価した。
論文 参考訳(メタデータ) (2023-03-30T12:14:07Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳(メタデータ) (2022-04-19T10:41:09Z) - Semi-Supervised Hybrid Spine Network for Segmentation of Spine MR Images [14.190504802866288]
半教師付き複合脊椎ネットワーク (SSHSNet) という2段階のアルゴリズムを提案し, 同時椎体 (VBs) と椎間板 (IVDs) のセグメンテーションを実現する。
まず,2次元半監督型DeepLabv3+をクロス擬似監督を用いて構築し,スライス内特徴と粗いセグメンテーションを得た。
2段目では、3Dフル解像度のパッチベースのDeepLabv3+がスライス間情報を抽出するために構築された。
その結果,提案手法はデータ不均衡問題に対処する上で大きな可能性を秘めていることがわかった。
論文 参考訳(メタデータ) (2022-03-23T02:57:14Z) - Universal Segmentation of 33 Anatomies [19.194539991903593]
本稿では,33の解剖学的構造を普遍的に分割する単一モデルの学習手法を提案する。
我々は、複数のデータセットの結合からそのようなモデルを学び、各データセットには部分的にラベル付けされた画像が含まれている。
我々は,複数のオープンソースデータセット上でモデルを評価し,モデルが優れた一般化性能を有することを示す。
論文 参考訳(メタデータ) (2022-03-04T02:29:54Z) - Single Neuron Segmentation using Graph-based Global Reasoning with
Auxiliary Skeleton Loss from 3D Optical Microscope Images [30.539098538610013]
局所的出現とグローバルジオメトリ特性を共同で検討し,エンドツーエンドのセグメンテーションネットワークを提案する。
The evaluation results on the Janelia dataset from the BigNeuron project showed that our proposed method is over the other algorithm in performance。
論文 参考訳(メタデータ) (2021-01-22T01:27:14Z) - TSGCNet: Discriminative Geometric Feature Learning with Two-Stream
GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。
3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文 参考訳(メタデータ) (2020-12-26T08:02:56Z) - Volumetric Medical Image Segmentation: A 3D Deep Coarse-to-fine
Framework and Its Adversarial Examples [74.92488215859991]
本稿では,これらの課題に効果的に取り組むために,新しい3Dベースの粗粒度フレームワークを提案する。
提案した3Dベースのフレームワークは、3つの軸すべてに沿ってリッチな空間情報を活用できるため、2Dよりも大きなマージンで優れている。
我々は,3つのデータセット,NIH膵データセット,JHMI膵データセット,JHMI病理嚢胞データセットについて実験を行った。
論文 参考訳(メタデータ) (2020-10-29T15:39:19Z) - clDice -- A Novel Topology-Preserving Loss Function for Tubular
Structure Segmentation [57.20783326661043]
中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。
理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。
我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
論文 参考訳(メタデータ) (2020-03-16T16:27:49Z)
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。