文献

J-GLOBAL ID：202202256442552141   整理番号：22A0455207

三重項損失による3D医用画像キーポイント記述子の学習【JST・京大機械翻訳】

Learning 3D medical image keypoint descriptors with the triplet loss

著者 (4件)： Loiseau-Witon Nicolas (Univ Lyon, INSA-Lyon, Universite Claude Bernard Lyon 1, UJM-Saint Etienne, CNRS, Inserm, CREATIS UMR 5220, U1206, Lyon, France) ,  Kechichian Razmig (Univ Lyon, INSA-Lyon, Universite Claude Bernard Lyon 1, UJM-Saint Etienne, CNRS, Inserm, CREATIS UMR 5220, U1206, Lyon, France) ,  Valette Sebastien (Univ Lyon, INSA-Lyon, Universite Claude Bernard Lyon 1, UJM-Saint Etienne, CNRS, Inserm, CREATIS UMR 5220, U1206, Lyon, France) ,  Bartoli Adrien (Institut Pascal, UMR 6602 CNRS/UCA/CHU, Clermont-Ferrand, France)
資料名： International Journal of Computer Assisted Radiology and Surgery  (International Journal of Computer Assisted Radiology and Surgery)
巻： 17  号： 1  ページ： 141-146  発行年： 2022年 
JST資料番号： W4459A  ISSN： 1861-6410  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 目的:著者らは,フルボディCTスキャンから抽出したキーポイントをマッチするために使用する3Dキーポイント記述子を学習することを提案する。提案手法は,2Dキーポイントディスクリプタ学習により触発され,手作業記述子より優れていることを示した。これらの3D画像への適応は,ラベル付き訓練データと高いメモリ要求の欠如のため,困難である。方法:半合成訓練データを生成した。そのために,まず,データベースの小さな部分集合上のラベル付き解剖学的ランドマークを用いて,局所アフィン被験者間変換の分布を推定した。次に,多数の変換と縦糸ラベルなしCTスキャンをサンプリングし,そのために,誘導マッチングを用いて信頼できるキーポイント対応を確立することができた。これらの対応は,オンライン三重項マイニングによる三重項損失を用いて,CNNと列車によって表現される著者らの記述子のための訓練データとして役立つ。結果:合成データ信頼性ベンチマークおよび評価目的に用いた解剖学的ランドマークを用いた20のCTボリュームを含む登録タスクに関する実験を行った。著者らの学習記述子は,両ベンチマークで3D-SURF記述子を凌駕し,一方,類似の実行時間を有した。結論:半合成データと新しい学習3Dキーポイント記述子を生成する新しい方法を提案した。実験は手作業記述子と比較して改善を示した。これは,検出器を共同学習し,記述子が更なる性能ブーストを与えることを示す文献として有望であった。Copyright CARS 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *学習 ,  信頼性 ,  データベース ,  画像処理 ,  二次元 ,  *医用画像 ,  *三次元 ,  ベンチマーク ,  計算機トモグラフィー
準シソーラス用語： 三次元画像 ,  被験者 ,  訓練データ ,  実行時間 ,  オンライン , 【Automatic Indexing@JST】

著者キーワード (5件)： 医療イメージング ,  キーポイント ,  記述子 ,  畳込みニューラルネットワーク ,  三重項損失

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 三重項 ,  損失 ,  3D ,  医用画像 ,  記述子 ,  学習