Fugu-MT 論文翻訳(概要): Consistent Point Matching

論文の概要: Consistent Point Matching

arxiv url: http://arxiv.org/abs/2507.23609v1
Date: Thu, 31 Jul 2025 14:47:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-01 17:19:09.933048
Title: Consistent Point Matching
Title（参考訳）: Consistent Point Matching
Authors: Halid Ziya Yerebakan, Gerardo Hermosillo Valadez,
Abstract要約: 本研究では,一対の医用画像に整合性を持たせることにより,解剖学的位置の整合性が向上することを示す。我々はCTとMRIを対象とする多種多様な縦断的内的・公開的データセットに対するアプローチを検証した。
参考スコア（独自算出の注目度）: 0.046040036610482664
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This study demonstrates that incorporating a consistency heuristic into the point-matching algorithm \cite{yerebakan2023hierarchical} improves robustness in matching anatomical locations across pairs of medical images. We validated our approach on diverse longitudinal internal and public datasets spanning CT and MRI modalities. Notably, it surpasses state-of-the-art results on the Deep Lesion Tracking dataset. Additionally, we show that the method effectively addresses landmark localization. The algorithm operates efficiently on standard CPU hardware and allows configurable trade-offs between speed and robustness. The method enables high-precision navigation between medical images without requiring a machine learning model or training data.
Abstract（参考訳）: 本研究は, 整合性ヒューリスティックを点マッチングアルゴリズムに組み込むことで, 一対の医用画像間の解剖学的位置の整合性が向上することを示した。我々はCTとMRIを対象とする多種多様な縦断的内的・公開的データセットに対するアプローチを検証した。特に、Deep Lesion Trackingデータセットの最先端の結果を上回っている。さらに,本手法はランドマークのローカライゼーションに有効であることを示す。このアルゴリズムは、標準CPUハードウェア上で効率よく動作し、速度とロバストさのトレードオフを設定することができる。この方法は、機械学習モデルやトレーニングデータを必要とすることなく、医療画像間の高精度ナビゲーションを可能にする。

関連論文リスト

HYATT-Net is Grand: A Hybrid Attention Network for Performant Anatomical Landmark Detection [17.290208035331734]
医学的画像からの解剖学的ランドマーク検出(ALD)は、幅広い臨床応用に不可欠である。 CNNとTransformerを統合した新しいハイブリッドアーキテクチャを提案する。 5つの多様なデータセットの実験は、最先端のパフォーマンスを示し、精度、堅牢性、効率の既存の手法を超越している。
論文参考訳（メタデータ） (2024-12-09T13:58:00Z)
A Hierarchical Descriptor Framework for On-the-Fly Anatomical Location Matching between Longitudinal Studies [0.07499722271664144]
本研究では,2対の医用画像間の解剖学的位置を縦断的に比較する手法を提案する。ソース画像内のクエリポイントのディスクリプタを演算することにより、マッチングを可能にする。階層探索操作は、対象画像に最も類似した記述子を持つ対応する点を検出する。
論文参考訳（メタデータ） (2023-08-11T18:01:27Z)
Graph Self-Supervised Learning for Endoscopic Image Matching [1.8275108630751844]
鍵点間の空間関係をモデル化するために,局所的な視覚的外観を捉える畳み込みニューラルネットワークと注目に基づくグラフニューラルネットワークを組み合わせた,新たな自己教師型アプローチを提案する。我々のアプローチはラベル付きデータを必要とせず、完全に自己管理されたスキームで訓練されている。提案手法は,最先端の手工法と深層学習法より優れ,精度(1)とマッチングスコア(99.3%)で優れた性能を示す。
論文参考訳（メタデータ） (2023-06-19T19:53:41Z)
Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
論文参考訳（メタデータ） (2023-05-05T13:42:19Z)
Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文参考訳（メタデータ） (2021-12-20T03:38:37Z)
Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文参考訳（メタデータ） (2021-11-08T07:57:30Z)
Self-Attentive Spatial Adaptive Normalization for Cross-Modality Domain Adaptation [9.659642285903418]
放射線科医の費用負担を軽減するための医用画像のクロスモダリティ合成本稿では,教師なしまたは教師なし(非ペア画像データ)の設定が可能な医用画像における画像から画像への変換手法を提案する。
論文参考訳（メタデータ） (2021-03-05T16:22:31Z)
Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。 3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
論文参考訳（メタデータ） (2020-04-17T11:55:03Z)
Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文参考訳（メタデータ） (2020-03-31T11:50:43Z)
Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
論文参考訳（メタデータ） (2020-03-03T15:20:57Z)

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。