論文の概要: Fast Witness Persistence for MRI Volumes via Hybrid Landmarking

• arxiv url: http://arxiv.org/abs/2510.04553v1
• Date: Mon, 06 Oct 2025 07:34:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.732515
• Title: Fast Witness Persistence for MRI Volumes via Hybrid Landmarking
• Title（参考訳）: ハイブリッドランドマークによるMRIボリュームの高速ウイットネスパーシステンス
• Authors: Jorge Leonardo Ruiz Williams,
• Abstract要約: フル脳MRIボリュームのためのスケーラブルな目撃者に基づく永続的ホモロジーパイプラインを提案する。 逆カーネル密度に対する幾何学的カバレッジを結合するハイブリッドメトリックによって候補をスコアリングする。 ランドマークセットは、ランダムまたは密度のみのベースラインに対して平均対距離を30-60%縮小する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a scalable witness-based persistent homology pipeline for full-brain MRI volumes that couples density-aware landmark selection with a GPU-ready witness filtration. Candidates are scored by a hybrid metric that balances geometric coverage against inverse kernel density, yielding landmark sets that shrink mean pairwise distances by 30-60% over random or density-only baselines while preserving topological features. Benchmarks on BrainWeb, IXI, and synthetic manifolds execute in under ten seconds on a single NVIDIA RTX 4090 GPU, avoiding the combinatorial blow-up of Cech, Vietoris-Rips, and alpha filtrations. The package is distributed on PyPI as whale-tda (installable via pip); source and issues are hosted at https://github.com/jorgeLRW/whale. The release also exposes a fast preset (mri_deep_dive_fast) for exploratory sweeps, and ships with reproducibility-focused scripts and artifacts for drop-in use in medical imaging workflows.
• Abstract（参考訳）: フルブレーンMRIボリュームのためのスケーラブルな目撃者に基づく永続的ホモロジーパイプラインを導入し、密度を考慮したランドマーク選択とGPU対応の目撃者フィルタリングを併用する。 候補は、逆カーネル密度に対して幾何学的カバレッジのバランスをとるハイブリッド計量によって評価され、トポロジ的特徴を保ちながら、ランダムまたは密度のみのベースラインに対して平均対距離を30-60%縮小するランドマークセットが得られる。 BrainWeb、IXI、合成多様体のベンチマークは、単一のNVIDIA RTX 4090 GPU上で10秒未満で実行され、Cech、Vietoris-Rips、アルファろ過の組み合わせによる爆発を避ける。 パッケージは PyPI 上で whale-tda (pip 経由でインストール可能) として配布され、ソースとイシューは https://github.com/jorgeLRW/whale にホストされている。 このリリースでは、探索的なスイープのための高速プリセット(mri_deep_dive_fast)も公開されている。

関連論文リスト

• Diffusion-Based Cross-Modal Feature Extraction for Multi-Label Classification [7.9670666100347765]
  textitDiff-Featは、画像とテキストのための事前訓練された拡散変換器モデルから中間的特徴を抽出するフレームワークである。 我々は,視覚タスクにおいて,拡散過程に沿った最も識別性の高い中間特徴が中間ステップで発生し,トランスフォーマーの中間ブロックに位置することを観察した。 言語タスクでは、最高の機能はノイズのないステップで発生し、最も深いブロックに位置する。
  論文  参考訳（メタデータ） (2025-09-19T03:13:58Z)
• MedSegMamba: 3D CNN-Mamba Hybrid Architecture for Brain Segmentation [15.514511820130474]
  我々は皮質下脳分割のための3DパッチベースのハイブリッドCNN-Mambaモデルを開発した。 モデルの性能をいくつかのベンチマークで検証した。
  論文  参考訳（メタデータ） (2024-09-12T02:19:19Z)
• Boundary-aware Decoupled Flow Networks for Realistic Extreme Rescaling [49.215957313126324]
  Invertible rescaling Network (IRN) やgenerative adversarial Network (GAN) などを含む最近の生成手法は、画像再スケーリングにおいて例外的な性能を示した。 しかし、IRNベースの手法は過度に滑らかな結果を生成する傾向にあり、一方、GANベースの手法は偽の細部を容易に生成する。 本稿では,現実的かつ視覚的に満足な結果を生成するために,境界対応デカップリングフローネットワーク(BDFlow)を提案する。
  論文  参考訳（メタデータ） (2024-05-05T14:05:33Z)
• Rapid and robust endoscopic content area estimation: A lean GPU-based pipeline and curated benchmark dataset [3.1993890965689666]
  コンテンツ領域の推定は、内視鏡画像処理やコンピュータビジョンパイプラインにおいて一般的な課題である。 本稿では、エッジ検出と円の嵌合を組み合わせたリーンGPUベースの計算パイプラインの2つの変種を提案する。 そこで本研究では,手動による注釈付きおよび疑似ラベル付きコンテンツ領域の1次データセットを,外科的適応の範囲にわたって提示する。
  論文  参考訳（メタデータ） (2022-10-26T15:10:44Z)
• UDepth: Fast Monocular Depth Estimation for Visually-guided Underwater Robots [4.157415305926584]
  低コスト水中ロボットの3次元認識機能を実現するための高速な単眼深度推定法を提案する。 我々は,自然の水中シーンの画像形成特性に関するドメイン知識を取り入れた,UDepthという新しいエンド・ツー・エンドの深層学習パイプラインを定式化した。
  論文  参考訳（メタデータ） (2022-09-26T01:08:36Z)
• VoGE: A Differentiable Volume Renderer using Gaussian Ellipsoids for Analysis-by-Synthesis [62.47221232706105]
  本稿では,ガウス再構成カーネルをボリュームプリミティブとして利用するVoGEを提案する。 本稿では,VoGEを用いて効率よくレンダリングを行うために,体積密度集約と粗大な描画戦略に関する近似クローズフォーム解を提案する。 VoGEは、オブジェクトポーズ推定、形状/テクスチャフィッティング、推論など、様々な視覚タスクに適用された場合、SoTAより優れている。
  論文  参考訳（メタデータ） (2022-05-30T19:52:11Z)
• Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
  本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。 本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。 さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
  論文  参考訳（メタデータ） (2022-04-08T15:22:33Z)
• AdaPool: Exponential Adaptive Pooling for Information-Retaining Downsampling [82.08631594071656]
  畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である 適応的で指数関数的に重み付けされたアダプール法を提案する。 adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
  論文  参考訳（メタデータ） (2021-11-01T08:50:37Z)
• Accelerating Training and Inference of Graph Neural Networks with Fast Sampling and Pipelining [58.10436813430554]
  グラフニューラルネットワーク(GNN)のミニバッチトレーニングには、多くの計算とデータ移動が必要である。 我々は,分散マルチGPU環境において,近傍サンプリングを用いたミニバッチトレーニングを行うことを支持する。 本稿では,これらのボトルネックを緩和する一連の改良点について述べる。 また,サンプリングによる推論を支援する実験分析を行い,試験精度が実質的に損なわれていないことを示す。
  論文  参考訳（メタデータ） (2021-10-16T02:41:35Z)
• FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
  ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。 現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。 提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
  論文  参考訳（メタデータ） (2021-03-08T03:09:37Z)

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。