Fugu-MT 論文翻訳(概要): Cephalometric Landmark Detection across Ages with Prototypical Network

論文の概要: Cephalometric Landmark Detection across Ages with Prototypical Network

arxiv url: http://arxiv.org/abs/2406.12577v1
Date: Tue, 18 Jun 2024 13:04:52 GMT
ステータス: 処理完了
システム内更新日: 2024-06-19 18:58:07.347886
Title: Cephalometric Landmark Detection across Ages with Prototypical Network
Title（参考訳）: 原型ネットワークを用いた年代別ケパロメトリランドマーク検出
Authors: Han Wu, Chong Wang, Lanzhuju Mei, Tong Yang, Min Zhu, Dingggang Shen, Zhiming Cui,
Abstract要約: 本稿では,CeLDAを提案する。本手法は,画像特徴とランドマークプロトタイプを比較することで,ランドマーク検出のためのプロトタイプネットワークを利用する。我々の知る限り、これは年齢層間での脳波のランドマーク検出のための統合ソリューションとデータセットを開発するための最初の取り組みである。
参考スコア（独自算出の注目度）: 16.057209905908607
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automated cephalometric landmark detection is crucial in real-world orthodontic diagnosis. Current studies mainly focus on only adult subjects, neglecting the clinically crucial scenario presented by adolescents whose landmarks often exhibit significantly different appearances compared to adults. Hence, an open question arises about how to develop a unified and effective detection algorithm across various age groups, including adolescents and adults. In this paper, we propose CeLDA, the first work for Cephalometric Landmark Detection across Ages. Our method leverages a prototypical network for landmark detection by comparing image features with landmark prototypes. To tackle the appearance discrepancy of landmarks between age groups, we design new strategies for CeLDA to improve prototype alignment and obtain a holistic estimation of landmark prototypes from a large set of training images. Moreover, a novel prototype relation mining paradigm is introduced to exploit the anatomical relations between the landmark prototypes. Extensive experiments validate the superiority of CeLDA in detecting cephalometric landmarks on both adult and adolescent subjects. To our knowledge, this is the first effort toward developing a unified solution and dataset for cephalometric landmark detection across age groups. Our code and dataset will be made public on https://github.com/ShanghaiTech-IMPACT/Cephalometric-Landmark-Detection-across-Ages-with-Prototypica l-Network
Abstract（参考訳）: リアルタイムでの矯正診断には, 自動脳波所見検出が不可欠である。近年の研究では、成人のみに焦点をあてており、成人と比較して目印が著しく異なる場合が多い青年期が提示する臨床的に重要なシナリオを無視している。したがって、青年や成人を含む様々な年齢層で統一的で効果的な検出アルゴリズムを開発する方法について、オープンな疑問が持ち上がっている。本稿では,CeLDAを提案する。本手法は,画像特徴とランドマークプロトタイプを比較することで,ランドマーク検出のためのプロトタイプネットワークを利用する。年齢群間のランドマークの出現差に対処するために,CeLDAの新しい戦略を設計し,プロトタイプアライメントを改善し,大規模なトレーニング画像からランドマークプロトタイプの全体像を推定する。さらに、ランドマークプロトタイプ間の解剖学的関係を活用するために、新しいプロトタイプ関係マイニングパラダイムが導入された。広範囲にわたる実験は、成人および思春期の被験者の頭蓋計測的ランドマークの検出におけるCeLDAの優位性を検証した。我々の知る限り、これは年齢層間での脳波のランドマーク検出のための統合ソリューションとデータセットを開発するための最初の取り組みである。私たちのコードとデータセットはhttps://github.com/ShanghaiTech-IMPACT/Cephalometric-Landmark-across-Ages-with-Prototypeal-Networkで公開されます。

関連論文リスト

Assessing the Efficacy of Classical and Deep Neuroimaging Biomarkers in Early Alzheimer's Disease Diagnosis [2.2667044928324747]
アルツハイマー病(AD)は認知症の主要な原因であり、早期発見は効果的な介入に不可欠である。本研究の目的は,様々な画像バイオマーカーを抽出し,統合することにより,早期ADの有意な指標を検出することである。
論文参考訳（メタデータ） (2024-10-31T15:02:16Z)
Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文参考訳（メタデータ） (2024-09-22T02:06:05Z)
Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文参考訳（メタデータ） (2024-08-09T15:10:34Z)
Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文参考訳（メタデータ） (2023-12-08T18:11:22Z)
Diagnosing Alzheimer's Disease using Early-Late Multimodal Data Fusion with Jacobian Maps [1.5501208213584152]
アルツハイマー病(英語: Alzheimer's disease、AD)は、老化に影響を及ぼす神経変性疾患である。本稿では,自動特徴抽出とランダム森林のための畳み込みニューラルネットワークを利用する,効率的な早期融合(ELF)手法を提案する。脳の容積の微妙な変化を検出するという課題に対処するために、画像をヤコビ領域(JD)に変換する。
論文参考訳（メタデータ） (2023-10-25T19:02:57Z)
Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文参考訳（メタデータ） (2023-01-07T18:36:44Z)
JOINED : Prior Guided Multi-task Learning for Joint Optic Disc/Cup Segmentation and Fovea Detection [1.2250035750661867]
そこで本研究では, JOINEDという新しい手法を用いて, 複数タスク学習を先導し, OD/OCセグメンテーションと卵胞検出を行った。提案するJOINEDパイプラインは粗い段と細かい段からなる。実験の結果,提案したJOINEDは既存の最先端手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2022-03-01T13:47:48Z)
Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文参考訳（メタデータ） (2021-12-20T13:29:13Z)
Facial Anatomical Landmark Detection using Regularized Transfer Learning with Application to Fetal Alcohol Syndrome Recognition [24.27777060287004]
出生前アルコール曝露による胎児アルコール症候群(FAS)は、一連の頭蓋顔面異常を引き起こす可能性がある。解剖学的ランドマーク検出は,FAS関連顔面異常の検出に重要である。自然画像における顔のランドマーク検出のために設計された現在のディープラーニングに基づく熱マップ回帰法は、大きなデータセットが利用できることを前提としている。我々は,大規模な顔認識データセットから学習したネットワークの知識を活用する,新たな正規化トランスファー学習手法を開発した。
論文参考訳（メタデータ） (2021-09-12T11:05:06Z)
Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
論文参考訳（メタデータ） (2021-04-07T05:42:11Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。