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
- SpineMamba: Enhancing 3D Spinal Segmentation in Clinical Imaging through Residual Visual Mamba Layers and Shape Priors [10.431439196002842]
本研究では,3次元脊髄データの深部意味的特徴と長距離空間依存性をモデル化するための残留視覚的マンバ層を提案する。
また, 医療画像から脊椎の解剖学的情報を抽出する新規な脊髄形状先行モジュールを提案する。
SpineMambaはセグメンテーション性能が優れており、最大2ポイントを超える。
論文 参考訳（メタデータ） (2024-08-28T15:59:40Z) - ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [104.34751911174196]
ShapeNetとModelNetを用いた大規模3DGSデータセットを構築した。
データセットのShapeSplatは、87のユニークなカテゴリから65Kのオブジェクトで構成されています。
textbftextitGaussian-MAEを導入し、ガウスパラメータからの表現学習の独特な利点を強調した。
論文 参考訳（メタデータ） (2024-08-20T14:49:14Z) - 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) - NEAT: Distilling 3D Wireframes from Neural Attraction Fields [52.90572335390092]
本稿では,3次元再構成セグメントと焦点接合を用いたラインフレーム接合の問題について検討する。
ProjectNEATは、クロスアートマッチングをゼロから行わずに、ジョイントニューラルフィールドとビューを楽しみます。
論文 参考訳（メタデータ） (2023-07-14T07:25:47Z) - A geometry-aware deep network for depth estimation in monocular
endoscopy [17.425158094539462]
提案手法は,異なるデータセットと臨床画像にまたがって広範囲に検証されている。
提案法の平均RMSE値は12.604(T1-L1)、9.930(T2-L2)、13.893(Colon)である。
論文 参考訳（メタデータ） (2023-04-20T11:59:32Z) - 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) - 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) - Mix Dimension in Poincar\'{e} Geometry for 3D Skeleton-based Action
Recognition [57.98278794950759]
グラフ畳み込みネットワーク(GCN)はすでに、不規則なデータをモデル化する強力な能力を実証している。
本稿では,ポアンカー幾何学を用いて定義した空間時空間GCNアーキテクチャを提案する。
提案手法を,現在最大規模の2つの3次元データセット上で評価する。
論文 参考訳（メタデータ） (2020-07-30T18:23:18Z) - MotioNet: 3D Human Motion Reconstruction from Monocular Video with
Skeleton Consistency [72.82534577726334]
モノクロビデオから3次元人間の骨格の動きを直接再構成するディープニューラルネットワークであるMotioNetを紹介した。
本手法は,動作表現を完全かつ一般的に使用するキネマティックスケルトンを直接出力する最初のデータ駆動型手法である。
論文 参考訳（メタデータ） (2020-06-22T08:50:09Z) - 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。