Fugu-MT 論文翻訳(概要): Transformation trees -- documentation of multimodal image registration

論文の概要: Transformation trees -- documentation of multimodal image registration

arxiv url: http://arxiv.org/abs/2501.19140v1
Date: Fri, 31 Jan 2025 13:49:16 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-03 14:01:46.786751
Title: Transformation trees -- documentation of multimodal image registration
Title（参考訳）: 変換木 -- マルチモーダル画像登録のドキュメント
Authors: Agnieszka Anna Tomaka, Dariusz Pojda, Michał Tarnawski, Leszek Luchowski,
Abstract要約: 本稿では,多モード画像の様々な登録の結果得られた変換の文書化へのツリー構造の適用について提案する。 dpVision ソフトウェアでは、矯正学的解析から得られる異なる登録の例を示し、木構造の使用の主な側面を示す。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: The paper presents proposals for the application of a tree structure to the documentation of a set of transformations obtained as a result of various registrations of multimodal images obtained in coordinate systems associated with acquisition devices and being registered in one patient-specific coordinate system. A special file format .dpw (digital patient workspace) is introduced. Examples of different registrations yielded from orthodontic analysis and showing main aspects of the usage of tree structure are illustrated in dpVision software.
Abstract（参考訳）: 本稿では,取得装置に関連付けられた座標系で得られたマルチモーダル画像の様々な登録結果から得られた一連の変換の文書化に木構造を適用し,患者固有の座標系に登録することを提案する。特別なファイルフォーマット。 dpw (digital patient workspace) が導入される。 dpVision ソフトウェアでは, 矯正学的解析から得られた異なる登録の例を示し, 木構造の利用の主側面を示す。

関連論文リスト

SAMReg: SAM-enabled Image Registration with ROI-based Correspondence [12.163299991979574]
本稿では,医療用画像登録のための対の関心領域(ROI)に基づく新しい空間対応表現について述べる。我々は,トレーニング(あるいはトレーニングデータ)や勾配に基づく微調整,即時的なエンジニアリングを必要としない新しい登録アルゴリズムSAMRegを開発した。提案手法は,試験指標間でのインテンシティベース反復アルゴリズムとDDF予測学習ベースネットワークより優れている。
論文参考訳（メタデータ） (2024-10-17T23:23:48Z)
Scalable Weibull Graph Attention Autoencoder for Modeling Document Networks [50.42343781348247]
解析条件後部を解析し,推論精度を向上させるグラフポアソン因子分析法(GPFA)を開発した。また,GPFAを多層構造に拡張したグラフPoisson gamma belief Network (GPGBN) を用いて,階層的な文書関係を複数の意味レベルで捉える。本モデルでは,高品質な階層型文書表現を抽出し,様々なグラフ解析タスクにおいて有望な性能を実現する。
論文参考訳（メタデータ） (2024-10-13T02:22:14Z)
Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
論文参考訳（メタデータ） (2024-01-04T08:46:39Z)
Deep learning in medical image registration: introduction and survey [0.0]
本論文では,簡単な数値例を用いて画像登録を行う。空間指向のシンボル表現とともに、画像登録の定義を提供する。また、画像ガイド下手術、運動追跡、腫瘍診断の応用も検討している。
論文参考訳（メタデータ） (2023-09-01T20:35:00Z)
Enhancing Visually-Rich Document Understanding via Layout Structure Modeling [91.07963806829237]
レイアウトの知識をモデルに注入する新しい文書理解モデルであるGraphLMを提案する。我々は、FUNSD、XFUND、CORDなど様々なベンチマークでモデルを評価し、最先端の結果を得た。
論文参考訳（メタデータ） (2023-08-15T13:53:52Z)
Unifying Vision, Text, and Layout for Universal Document Processing [105.36490575974028]
本稿では,テキスト,画像,レイアウトのモダリティを文書理解と生成を含むさまざまなタスク形式とともに統合するドキュメントAIモデルを提案する。我々の手法は、財務報告、学術論文、ウェブサイトなど、さまざまなデータ領域にまたがって、文書理解やQAといった9つのドキュメントAIタスクの最先端を定めている。
論文参考訳（メタデータ） (2022-12-05T22:14:49Z)
Bayesian intrinsic groupwise registration via explicit hierarchical disentanglement [18.374535632681884]
階層的ベイズ推論の手順としてグループ登録を定式化する一般的な枠組みを提案する。本稿では, 共用構造表現の共用学習を容易にする, 後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後・後その結果,マルチモーダルなグループ登録をエンドツーエンドで実現するためのフレームワークの有効性が示された。
論文参考訳（メタデータ） (2022-06-06T06:13:24Z)
Automated Learning for Deformable Medical Image Registration by Jointly Optimizing Network Architectures and Objective Functions [69.6849409155959]
本稿では、アーキテクチャとそれに対応する学習目標の両方を協調的に最適化する自動学習登録アルゴリズム(AutoReg)を提案する。マルチサイトボリュームデータセットと各種登録タスクについて,画像登録実験を行った。我々のAutoRegは、与えられたボリュームに対して最適な深層登録ネットワークを自動的に学習し、最先端の性能を達成することができる。
論文参考訳（メタデータ） (2022-03-14T01:54:38Z)
Deep Feature based Cross-slide Registration [13.271717388861557]
クロススライダー画像解析は、単一スライド解析と比較して異なるバイオマーカーの表現を分析することで追加情報を提供する。本稿では,データ駆動型特徴量を利用して剛性変換を推定するDFBR法を提案する。
論文参考訳（メタデータ） (2022-02-21T03:25:12Z)
A Transformer-Based Siamese Network for Change Detection [72.04912755926524]
本稿では、変化検出(CD)のためのトランスフォーマーベースのSiameseネットワークアーキテクチャ(略してChangeFormer)を提案する。提案手法は,マルチ層パーセプション(MLP)デコーダと階層的に構成されたトランスフォーマエンコーダをシムズネットワークアーキテクチャで統合し,CDの精度向上に必要なマルチスケール長範囲細部を効率よくレンダリングする。
論文参考訳（メタデータ） (2022-01-04T18:55:22Z)
JSSR: A Joint Synthesis, Segmentation, and Registration System for 3D Multi-Modal Image Alignment of Large-scale Pathological CT Scans [27.180136688977512]
本稿では,エンドツーエンドの3D畳み込みニューラルネットワークに基づく新しいマルチタスク学習システムJSSRを提案する。システムは、教師なしの方法で異なるタスク間の暗黙の制約を満たすように最適化されている。従来型のマルチモーダル登録法よりも一貫して優れています。
論文参考訳（メタデータ） (2020-05-25T16:30:02Z)

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。