TransFusion:変圧器による医用画像セグメンテーションのための多視点発散融合【JST・京大機械翻訳】

Liu Di; Gao Yunhe; Zhangli Qilong; Han Ligong; He Xiaoxiao; Xia Zhaoyang; Wen Song; Chang Qi; Yan Zhennan; Zhou Mu; Metaxas Dimitris

プレプリント

J-GLOBAL ID：202202206390203219 整理番号：22P0307376

TransFusion:変圧器による医用画像セグメンテーションのための多視点発散融合【JST・京大機械翻訳】

TransFusion: Multi-view Divergent Fusion for Medical Image Segmentation with Transformers

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (11件)： , , , , , , , , , ,
資料名：
発行年： 2022年03月21日プレプリントサーバーでの情報更新日： 2022年09月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

マルチビュー画像から情報を結合することは,疾患診断のための自動化方法の性能とロバスト性を改善するために重要である。しかし,マルチビュー画像の非アラインメント特性のため,ビュー間の建物相関とデータ融合は,主に未解決の問題のままである。本研究では,畳み込み層および強力な注意機構を用いて多様な多視点画像情報を併合する変換器ベースのアーキテクチャであるTransFusionを提案した。特に,豊富なクロスビューコンテキストモデリングと意味依存性マイニングのために,多様な画像ビューから非整列データ間の長距離相関を捉えることの重要な問題に取り組むために,Divergent Function(DiFA)モジュールを提案した。さらに,マルチスケール特徴表現の大域的対応を収集するために,マルチスケール注意(MSA)を提案した。著者らは,心臓MRI(M&M-2)チャレンジコホートにおけるMulti-Disease,Multi-View&Multi-Center Ventrular Extractionationに関するTransFusionを評価した。TransFusionは最先端の方法に対して主要な性能を実証し,ロバストな医用画像セグメンテーションに向けたマルチビューイメージング統合のための新しい展望を開く。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , , ,

前のページに戻る