- …
- …
#123
summarized by : 古川遼
どんな論文か？
陰関数による形状モデルのbiomedicalな応用はあまりない. 巨大な訓練データベースが存在せずアノテーションがしばしばノイズを含むことが理由の一部である. 問題の解決のためにDLのパイプラインへテンプレートを導入. 各形状を, 学習した複数の陰関数のテンプレートと, 選択したテンプレートからの変形場として表現するImplicitAtrasを提案. 3つの医療用データセットで有効性を検証.
新規性
訓練データが少なくアノテーションノイズが多い医療データにおいて, 陰関数における形状学習の仕組みを導入した. 陰関数のテンプレートとその変形の学習において, 複数のテンプレートとその中からの選択を行う手法を提案した.
結果
医療データセットである the Medical Segmentation Decathlon に含まれる3種類の器官のデータで実験. 再構成の定量評価で既存手法より精度. 定性評価で, 再構成・補間やテンプレートが学習を確認. 再構成の Few-shot learning も可能. 応用として, 点群からの形状補間, dense correspondence ができることも示した.
その他（なぜ通ったか？等）
- …
- …