Fugu-MT 論文翻訳(概要): Persistence Image from 3D Medical Image: Superpixel and Optimized Gaussian Coefficient

論文の概要: Persistence Image from 3D Medical Image: Superpixel and Optimized Gaussian Coefficient

arxiv url: http://arxiv.org/abs/2408.07905v1
Date: Thu, 15 Aug 2024 03:24:00 GMT
ステータス: 処理完了
システム内更新日: 2024-08-16 15:09:23.228379
Title: Persistence Image from 3D Medical Image: Superpixel and Optimized Gaussian Coefficient
Title（参考訳）: 3次元医用画像からの永続画像:超画素と最適化ガウス係数
Authors: Yanfan Zhu, Yash Singh, Khaled Younis, Shunxing Bao, Yuankai Huo,
Abstract要約: トポロジカルデータ分析(TDA)は、医用画像における物体の重要な性質を明らかにする。これまでの研究は主に2D画像解析に焦点を合わせ、包括的な3Dコンテキストを無視していた。医用画像の特徴を点クラウドデータに変換するために,スーパーピクセルの概念を取り入れた革新的な3D TDA手法を提案する。
参考スコア（独自算出の注目度）: 3.808587330262038
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Topological data analysis (TDA) uncovers crucial properties of objects in medical imaging. Methods based on persistent homology have demonstrated their advantages in capturing topological features that traditional deep learning methods cannot detect in both radiology and pathology. However, previous research primarily focused on 2D image analysis, neglecting the comprehensive 3D context. In this paper, we propose an innovative 3D TDA approach that incorporates the concept of superpixels to transform 3D medical image features into point cloud data. By Utilizing Optimized Gaussian Coefficient, the proposed 3D TDA method, for the first time, efficiently generate holistic Persistence Images for 3D volumetric data. Our 3D TDA method exhibits superior performance on the MedMNist3D dataset when compared to other traditional methods, showcasing its potential effectiveness in modeling 3D persistent homology-based topological analysis when it comes to classification tasks. The source code is publicly available at https://github.com/hrlblab/TopologicalDataAnalysis3D.
Abstract（参考訳）: トポロジカルデータ分析(TDA)は、医用画像における物体の重要な性質を明らかにする。永続的ホモロジーに基づく手法は、従来の深層学習法が放射線学と病理学の両方で検出できないトポロジ的特徴を捉える上で、その利点を証明している。しかし、従来の研究では、総合的な3Dコンテキストを無視した2D画像解析に重点を置いていた。本稿では,3次元医用画像の特徴を点クラウドデータに変換するために,スーパーピクセルの概念を取り入れた革新的な3D TDA手法を提案する。最適化されたガウス係数を利用することで,提案した3次元TDA法は,3次元容積データに対する総合パーシステンス画像を効率よく生成する。我々の3D TDA法は,従来の手法と比較してMedMNist3Dデータセットよりも優れた性能を示し,分類タスクにおける3D持続ホモロジーに基づくトポロジ解析のモデル化の有効性を示した。ソースコードはhttps://github.com/hrlblab/TopologicalDataAnalysis3Dで公開されている。

関連論文リスト

FAMOUS: High-Fidelity Monocular 3D Human Digitization Using View Synthesis [51.193297565630886]
テクスチャを正確に推測することの難しさは、特に正面視画像の人物の背中のような不明瞭な領域に残る。このテクスチャ予測の制限は、大規模で多様な3Dデータセットの不足に起因する。本稿では,3次元デジタル化におけるテクスチャと形状予測の両立を図るために,広範囲な2次元ファッションデータセットを活用することを提案する。
論文参考訳（メタデータ） (2024-10-13T01:25:05Z)
3DiffTection: 3D Object Detection with Geometry-Aware Diffusion Features [70.50665869806188]
3DiffTectionは、単一の画像から3Dオブジェクトを検出する最先端の方法である。拡散モデルを微調整し、単一の画像に条件付けされた新しいビュー合成を行う。さらに、検出監視により、ターゲットデータ上でモデルをトレーニングする。
論文参考訳（メタデータ） (2023-11-07T23:46:41Z)
Improving 3D Imaging with Pre-Trained Perpendicular 2D Diffusion Models [52.529394863331326]
本稿では,2つの垂直2次元拡散モデルを用いて3次元逆問題の解法を提案する。 MRI Z軸超解像, 圧縮センシングMRI, スパースCTなどの3次元医用画像再構成作業に有効である。
論文参考訳（メタデータ） (2023-03-15T08:28:06Z)
3D Matting: A Soft Segmentation Method Applied in Computed Tomography [26.25446145993599]
CT、MRI、PETなどの3次元画像は、医用画像の分野では一般的であり、臨床診断において重要である。セマンティック曖昧さは多くの医用画像ラベルの典型的な特徴である。 2次元医用画像では、画像マッチングによって生成された2次元マスクの代わりにソフトマスクを用いることで、病変を特徴づけることができる。
論文参考訳（メタデータ） (2022-09-16T10:18:59Z)
Super Images -- A New 2D Perspective on 3D Medical Imaging Analysis [0.0]
トレーニング中に3次元知識を効率的に埋め込んで3次元データを扱うための,シンプルで効果的な2次元手法を提案する。本手法は3次元画像にスライスを並べて超高分解能画像を生成する。 2次元ネットワークのみを利用した3次元ネットワークを実現する一方で、モデルの複雑さはおよそ3倍に減少する。
論文参考訳（メタデータ） (2022-05-05T09:59:03Z)
Learning Geometry-Guided Depth via Projective Modeling for Monocular 3D Object Detection [70.71934539556916]
射影モデルを用いて幾何学誘導深度推定を学習し, モノクル3次元物体検出を推し進める。具体的には,モノクロ3次元物体検出ネットワークにおける2次元および3次元深度予測の投影モデルを用いた原理的幾何式を考案した。本手法は, 適度なテスト設定において, 余分なデータを2.80%も加えることなく, 最先端単分子法の検出性能を著しく向上させる。
論文参考訳（メタデータ） (2021-07-29T12:30:39Z)
Comparative Evaluation of 3D and 2D Deep Learning Techniques for Semantic Segmentation in CT Scans [0.0]
本稿では,3次元CTスキャンにおける立体スタックを用いた深層学習手法を提案する。本研究では,この3D手法と従来の2D深層学習手法とのセグメンテーション結果,コンテキスト情報保持,推論時間に基づく比較について述べる。 3D技術により、2D技術と比較して推論時間が5倍短縮されます。
論文参考訳（メタデータ） (2021-01-19T13:23:43Z)
Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文参考訳（メタデータ） (2021-01-14T03:45:01Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)
3D Self-Supervised Methods for Medical Imaging [7.65168530693281]
本稿では,プロキシタスクの形式で,5種類の自己教師型手法の3次元バージョンを提案する。提案手法は,未ラベルの3次元画像からニューラルネットワークの特徴学習を容易にし,専門家のアノテーションに必要なコストを削減することを目的としている。開発したアルゴリズムは、3D Contrastive Predictive Coding, 3D Rotation Prediction, 3D Jigsaw puzzles, Relative 3D patch location, 3D Exemplar Networkである。
論文参考訳（メタデータ） (2020-06-06T09:56:58Z)

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。