在这项工作中,我们报告了结合IEEE国际生物医学成像研讨会(ISBI)2016和国际医学影像计算机辅助干预会议(MICCAI)2017年组织的肝肿瘤分割基准(LITS)的设置和结果。将24种有效的最先进的肝脏和肝脏肿瘤分段算法应用于一组131个计算机断层扫描(CT)体积,具有不同类型的肿瘤对比度水平(高强度/低强度),组织异常(转移瘤)大小和不同程度的病变。已提交的算法已在70个未公开的卷上进行了测试。该数据集是与七家医院和研究机构合作创建的,由三位独立的放射科医师手动审查。我们发现没有一种算法对肝脏和肿瘤表现最佳。最佳肝脏分割算法的Dice评分为0.96(MICCAI),而对于肿瘤分割,最佳算法评估为0.67(ISBI)和0.70(MICCAI)。 LITS图像数据和手动注释继续通过在线评估系统公开提供,作为持续的基准测试资源。
translated by 谷歌翻译
胶质瘤是最常见的原发性脑恶性肿瘤,具有不同程度的侵袭性,可变预后和各种异质性组织亚区域,即肿瘤周围水肿/侵入组织,坏死核心,活性和非增强核心。这种内在的异质性也被用于它们的放射性表型,因为它们的子区域通过在多参数磁共振成像(mpMRI)扫描中传播的不同强度分布来描绘,反映了不同的生物学特性。它们的异质形状,范围和位置是其中的一部分。使这些肿瘤难以切除的因素,在某些情况下无法手术。切除肿瘤的数量也是纵向扫描中考虑的一个因素,用于评估表观肿瘤以进行潜在的进展诊断。此外,有越来越多的证据表明,各种肿瘤亚区域的准确分割可以为定量图像分析提供预测患者整体的基础。生存。该研究评估了在国际脑肿瘤分割(BraTS)挑战的最后七个实例(即2012-2018)期间用于mpMRI扫描中的脑肿瘤图像分析的最先进的机器学习(ML)方法。具体而言,我们专注于i)评估术前mpMRI扫描中各种神经胶质瘤亚区的分割,ii)通过肿瘤亚区的纵向生长评估潜在的肿瘤进展,超出RECIST标准的使用,以及iii)预测整体术前mpMRI扫描对经历完全切除的患者的生存率。最后,我们研究了为每个任务确定最佳ML算法的挑战,考虑到除了在每个挑战实例上多样化之外,多机构mpMRI BraTS数据集也是一个不断发展/不断发展的数据集。
translated by 谷歌翻译
Robust localisation and identification of vertebrae is essential for automated spine analysis. The contribution of this work to the task is twofold: (1) Inspired by the human expert, we hypothesise that a sagittal and coronal reformation of the spine contain sufficient information for labelling the vertebrae. Thereby, we propose a butterfly-shaped network architecture (termed Btrfly Net) that efficiently combines the information across reformations. (2) Underpinning the Btrfly net, we present an energy-based adversarial training regime that encodes local spine structure as an anatomical prior into the network, thereby enabling it to achieve state-of-art performance in all standard metrics on a benchmark dataset of 302 scans without any post-processing during inference.
translated by 谷歌翻译
肝脏及其病变的自动分割是获得用于精确临床诊断和计算机辅助决策支持系统的定量生物标志物的重要步骤。本文提出了一种利用级联卷积神经网络(CFCN)和密集的三维条件随机场(CRF)自动分割CT腹部图像中的肝脏和病变的方法。我们训练和级联两个FCN,用于肝脏及其病变的组合分割。在第一步中,我们训练FCN来分割第二个FCN的liveras ROI输入。第二个FCN仅从步骤1的预测肝脏ROI中分割出病变。我们使用腺苷三维CRF来细化CFCN的分割,其同时考虑空间相干性和外观。 CFCN模型在包括15个肝肿瘤体积的腹部CT数据集3DIRCAD上进行2倍交叉验证训练。我们的研究结果表明,基于CFCN的语义肝脏和病变分割实现肝脏的Dice评分超过94%,计算时间低于每体积100s。我们通过实验证明了该方法作为一种决策支持系统的鲁棒性,该系统具有高精度和高速度,可用于日常临床常规。
translated by 谷歌翻译
从自然语言文本自动生成动画在许多区域中找到应用,例如电影剧本写作,教学视频和公共安全。然而,将自然语言文本翻译成动画是一项具有挑战性的任务。现有的文本到动画系统只能处理非常简单的句子,这限制了它们的应用。在本文中,我们开发了一个能够处理复杂句子的文本到动画系统。我们通过在流程中引入文本简化步骤来实现这一目标。在现有的用于编剧的动画生成系统的基础上,我们创建了一个强大的NLP管道,以便从剧本和mapthem中提取信息到系统的知识库。我们开发了一套简化复杂句子的语言学转换规则。从简化句子中提取的信息用于生成粗略的故事板并对文本进行视频处理。我们的句子简化模块在BLEU和SARI指标方面优于现有系统。我们通过用户研究进一步评估我们的系统:68%的参与者认为我们的系统从输入剧本生成合理的动画。
translated by 谷歌翻译
在这项工作中,我们训练文本修复模型作为神经机器翻译(NMT)的后处理器。修复模型的目标是纠正翻译过程引入的典型错误,并将“转换”输出转换为自然文本。对修复模型进行单语数据训练,该数据通过英语进行往返翻译,以模拟与NMT引入的错误类似的错误。我们拥有训练有素的维修模型,适用于现有NMT系统的输出。我们为WMT18English到德语和WMT16英语到罗马尼亚语任务进行了实验。此外,我们将修复模型应用于最新WMTevaluation活动的最高提交的输出。我们看到高达2.5BLEU点的所有任务的质量改进。
translated by 谷歌翻译
解释深度神经网络行为的问题在过去几年中得到了很多关注。虽然已经提出了几种归因方法,但大多数都没有强有力的理论基础。这引发了由此产生的归因是否可靠的问题。另一方面,关于合作博弈论的文献表明,Shapley值是分配相关性分数的独特方式,使得满足某些期望的特性。以前关于归因方法的研究也表明,基于Shapley值的迭代计划更符合人类的直觉。不幸的是,Shapley值的精确评估是非常昂贵的,输入特征的数量是指数的。在这项工作中,通过最近的不确定性传播结果,我们提出了深度神经网络中Shapley值的一种新的多项式时间近似。 Weshow我们的方法比现有的最先进的归因方法产生明显更好的Shapleyvalues近似值。
translated by 谷歌翻译
我们提出了一种估计手的3D姿态的方法,可能在给定深度图像的情况下处理对象。我们表明,我们可以纠正由训练的卷积神经网络所犯的错误,以使用反馈回路预测3D姿势的估计。该反馈回路的组件也是DeepNetworks,使用训练数据进行优化。这种方法可以推广到与对象进行交互。因此,我们联合估计手的3D姿势和对象的3D姿势。我们的方法与最先进的3D手姿态估计方法相当,并且仅在使用深度图像时优于最先进的关节手对象姿态估计方法。此外,我们的方法是有效的,因为我们的实现在单个GPU上实时运行。
translated by 谷歌翻译
独立成分分析(ICA)作为一种数据驱动方法,已成为功能磁共振成像(fMRI)数据分析的有力工具。这种多变量方法的一个缺点是,它与一般的组数据分析不相容。因此,已经提出了各种技术以克服ICA的这种限制。本文提出了一种新的基于ICA的工作流程,用于从fMRI小组研究中提取静止状态网络。经验模式分解(EMD)用于以数据驱动的方式生成参考信号,其可以被合并到ICA(cICA)的约束版本中,这有助于消除ICA的固有模糊性。然后将所提出的工作流程的结果与通过广泛使用的用于fMRI分析的ICA组方法获得的结果进行比较。在本文中,证明由EMS提取的内在模式适合作为cICA的参考,以获得典型的静止状态模式,其与受试者一致。通过将这些参考信号引入ICA,我们的处理流程使其对用户透明,跨越主题的活动模式如何出现。这通常允许在强制执行相似性主题主题和保留个别主题特征之间进行权衡。
translated by 谷歌翻译
语义服务(例如语义桌面)仍然受到冷启动问题的影响:在开始时,用户的个人信息领域,即文件,邮件,书签等,不由系统表示。用于启动系统的信息提取工具通常创建不同信息项的1:1表示。不提取更高级别的概念,例如在文件名,邮件主题或这些项目的内容主体中找到的概念。抛弃这些概念可能会带来更好的表现,不得不使用其中许多(例如,通过使每个发现的术语成为aconcept)将所产生的知识图与非有用的关系混乱。在本文中,我们提出了一种交互式概念挖掘方法,提出通过利用收集的候选概念给出通常的个人信息管理应用程序的模式,并使用各种度量分析个人信息。为了注意用户的主观观点,agraphical用户界面允许容易地对建议的概念候选者进行排名和给出反馈,从而仅保留那些实际上被认为是相关的。 Aprototypical实现演示了我们的方法的主要步骤。
translated by 谷歌翻译