論文の概要: Aortic root landmark localization with optimal transport loss for heatmap regression

• arxiv url: http://arxiv.org/abs/2407.04921v1
• Date: Sat, 6 Jul 2024 02:01:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-09 21:57:27.500705
• Title: Aortic root landmark localization with optimal transport loss for heatmap regression
• Title（参考訳）: 熱マップ回帰のための最適輸送損失を用いた大動脈根のランドマーク位置推定
• Authors: Tsuyoshi Ishizone, Masaki Miyasaka, Sae Ochi, Norio Tada, Kazuyuki Nakamura,
• Abstract要約: 粗い画像からの高精度な一段階ランドマーク定位法を提案する。 仙台高瀬井病院で収集した3次元CT画像データセットに本手法を適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anatomical landmark localization is gaining attention to ease the burden on physicians. Focusing on aortic root landmark localization, the three hinge points of the aortic valve can reduce the burden by automatically determining the valve size required for transcatheter aortic valve implantation surgery. Existing methods for landmark prediction of the aortic root mainly use time-consuming two-step estimation methods. We propose a highly accurate one-step landmark localization method from even coarse images. The proposed method uses an optimal transport loss to break the trade-off between prediction precision and learning stability in conventional heatmap regression methods. We apply the proposed method to the 3D CT image dataset collected at Sendai Kousei Hospital and show that it significantly improves the estimation error over existing methods and other loss functions. Our code is available on GitHub.
• Abstract（参考訳）: 医師の負担を軽減するため、解剖学的ランドマーク化が注目されている。 大動脈弁の3つのヒンジポイントは,大動脈弁移植手術に必要な弁径を自動的に判定することで,大動脈根の局所化に着目して負担を軽減することができる。 既存の大動脈根のランドマーク予測法は主に2段階推定法を用いている。 粗い画像からの高精度な一段階ランドマーク定位法を提案する。 提案手法は, 従来の熱マップ回帰法において, 予測精度と学習安定性とのトレードオフを断ち切るために, 最適輸送損失を用いる。 本手法を仙台高瀬井病院で収集した3次元CT画像データセットに適用し,既存手法および他の損失関数に対する推定誤差を大幅に改善することを示す。 私たちのコードはGitHubで入手可能です。

関連論文リスト

• GuidedRec: Guiding Ill-Posed Unsupervised Volumetric Recovery [47.758461573050006]
  本稿では, 体積構造の生成モデルを用いて変形を制限し, 正確な推定値を得る方法について述べる。 我々は、挑戦的なデータセットに対する我々のアプローチを評価し、最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-05-20T12:13:22Z)
• Position Regression for Unsupervised Anomaly Detection [0.8999666725996974]
  座標回帰に基づく新しい異常検出手法を提案する。 本手法は,健康な被験者のデータのみに基づいて,ボリューム内のパッチの位置を推定する。 本手法は,画像再構成に係わる他の手法よりも少ないメモリを必要とすることを示す。
  論文  参考訳（メタデータ） (2023-01-19T13:22:11Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Structure-Aware Long Short-Term Memory Network for 3D Cephalometric Landmark Detection [37.031819721889676]
  本研究では,3次元ランドマーク検出のための構造対応長短期記憶フレームワーク(SA-LSTM)を提案する。 SA-LSTMは、まず、ダウンサンプリングCBCTボリューム上の熱マップ回帰によって粗いランドマークを見つける。 その後、高解像度の収穫パッチを使用して、注意深いオフセット回帰によってランドマークを徐々に洗練する。 実験の結果,提案手法は効率と精度で最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-21T06:35:52Z)
• Learn Fine-grained Adaptive Loss for Multiple Anatomical Landmark Detection in Medical Images [15.7026400415269]
  本稿ではランドマーク検出のための新しい学習学習フレームワークを提案する。 提案手法は汎用的であり,解剖学的ランドマーク検出の効率向上の可能性を示す。
  論文  参考訳（メタデータ） (2021-05-19T13:39:18Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• Heatmap Regression via Randomized Rounding [105.75014893647538]
  本稿では,サブピクセルローカライゼーション問題に対処する簡易かつ効果的な量子化システムを提案する。 提案システムでは,数値座標の分数部をトレーニング中の確率的アプローチを用いて基底真理熱マップに符号化する。
  論文  参考訳（メタデータ） (2020-09-01T04:54:22Z)
• Cephalometric Landmark Regression with Convolutional Neural Networks on 3D Computed Tomography Data [68.8204255655161]
  側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。 本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。 本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
  論文  参考訳（メタデータ） (2020-07-20T12:45:38Z)
• Attentive One-Dimensional Heatmap Regression for Facial Landmark Detection and Tracking [73.35078496883125]
  顔のランドマークの局所化のための新しい1次元熱マップ回帰法を提案する。 まず、x座標とy座標の辺分布を表すために、1次元熱マップの2つの群を予測する。 第2に、x と y 座標に存在する固有の空間パターンをモデル化するコアテンション機構が採用されている。 第3に、1次元熱マップ構造に基づいて、画像上のランドマーク検出のための空間パターンを検出する顔ランドマーク検出器を提案する。
  論文  参考訳（メタデータ） (2020-04-05T06:51:22Z)
• Region Proposal Network with Graph Prior and IoU-Balance Loss for Landmark Detection in 3D Ultrasound [16.523977092204813]
  3D超音波(US)は胎児の成長モニタリングのための詳細な出生前検査を容易にする。 3DUSボリュームを分析するためには、解剖学的ランドマークを正確に同定することが基本である。 我々は3次元顔USボリュームのランドマークを検出するためにオブジェクト検出フレームワークを利用する。
  論文  参考訳（メタデータ） (2020-04-01T03:00:03Z)

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。