画像からの集団レベル形状統計と解剖学セグメンテーションの学習:深層学習モデル【JST・京大機械翻訳】

Tao Wenzheng; Bhalodia Riddhish; Elhabian Shireen

プレプリント

J-GLOBAL ID：202202213966514947 整理番号：22P0025718

画像からの集団レベル形状統計と解剖学セグメンテーションの学習:深層学習モデル【JST・京大機械翻訳】

Learning Population-level Shape Statistics and Anatomy Segmentation From Images: A Joint Deep Learning Model

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 (3件)： , ,
資料名：
発行年： 2022年01月10日プレプリントサーバーでの情報更新日： 2022年01月10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)

統計的形状モデリングは解剖学的集団の定量分析のための必須ツールである。点分布モデル(PDM)は,その後のアプリケーションのための直感的で使いやすい形状表現である,密な対応集合を介して解剖学的表面を表す。これらの対応は,2つの座標空間で示す:各個々の解剖学的表面の幾何学的特徴を記述する局所座標と,与えられたコホートにおけるサンプル全体にわたる大域的アラインメント差を除去した後の集団レベルの統計的形状情報を表す世界座標。体積画像からこれら2つの座標空間を直接学習する深層学習ベースフレームワークを提案した。提案した継手モデルは二重目的を果たす。世界対応は,従来のPDMモデルに含まれる重い前処理とセグメンテーションを回避するため,形状解析応用に直接使用できる。さらに,局所対応は解剖セグメンテーションに使用できる。2つのデータセットに対する形状モデリング応用と解剖学的表面の推定におけるその有用性の両方に対するこの関節モデルの有効性を実証した。【JST・京大機械翻訳】

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

医用画像処理

, , , , , ,

前のページに戻る