論文の概要: Automatic segmentation and determining radiodensity of the liver in a
large-scale CT database
- arxiv url: http://arxiv.org/abs/1912.13290v1
- Date: Tue, 31 Dec 2019 12:41:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-16 21:27:26.374578
- Title: Automatic segmentation and determining radiodensity of the liver in a
large-scale CT database
- Title(参考訳): 大規模CTデータベースにおける肝臓のセグメンテーションと放射線密度の決定
- Authors: N. S. Kulberg (1 and 3), A. B. Elizarov (1), V. P. Novik (1), V. A.
Gombolevsky (1), A. P. Gonchar (1), A. L. Alliua (2), V. Yu. Bosin (1), A. V.
Vladzymyrsky (1), S. P. Morozov (1) ((1) State Budget-Funded Health Care
Institution of the City of Moscow Research and Practical Clinical Center for
Diagnostics and Telemedicine Technologies of the Moscow Health Care
Department, (2) Federal State Budgetary Scientific Institution Russian
Scientific Center of Surgery named after Academician B.V. Petrovsky, (3)
Federal Research Center Computer Science and Control of Russian Academy of
Sciences)
- Abstract要約: この技術は、様々な患者位置で得られたCT画像を幅広い露光パラメーターで処理するために使用することができる。
実際の大規模医療データベースでは、100万以上の研究で低用量CTスキャンを処理できる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study proposes an automatic technique for liver segmentation in computed
tomography (CT) images. Localization of the liver volume is based on the
correlation with an optimized set of liver templates developed by the authors
that allows clear geometric interpretation. Radiodensity values are calculated
based on the boundaries of the segmented liver, which allows identifying liver
abnormalities. The performance of the technique was evaluated on 700 CT images
from dataset of the Unified Radiological Information System (URIS) of Moscow.
Despite the decrease in accuracy, the technique is applicable to CT volumes
with a partially visible region of the liver. The technique can be used to
process CT images obtained in various patient positions in a wide range of
exposition parameters. It is capable in dealing with low dose CT scans in real
large-scale medical database with over 1 million of studies.
- Abstract(参考訳): 本研究はCT画像における肝セグメンテーションの自動化手法を提案する。
肝臓体積の局在は、著者らが開発した最適化された肝臓テンプレートのセットとの相関に基づいており、明瞭な幾何学的解釈を可能にする。
放射線密度値は、肝臓の異常を識別できるセグメンテーションされた肝臓の境界に基づいて算出される。
モスクワの統一放射線情報システム(URIS)のデータセットから,700枚のCT画像を用いて評価を行った。
精度の低下にもかかわらず、この手法は肝臓の部分的な可視領域を有するCTボリュームに適用できる。
この技術は、様々な患者位置で得られたCT画像を幅広い露光パラメーターで処理するために使用することができる。
100万以上の研究がある実大規模医療データベースにおいて、低線量ctスキャンを扱うことができる。
関連論文リスト
- LiverUSRecon: Automatic 3D Reconstruction and Volumetry of the Liver with a Few Partial Ultrasound Scans [1.2009760098637572]
超音波(US)スキャンによる肝体積測定は,USスキャン,ぼやけた境界,部分的な肝可視性などのノイズが原因で困難である。
肝のCTスキャンを用いて構築した統計的形状モデル (SSM) と合わせて, 肝の非完全矢状面USスキャンのセグメンテーションマスクを用いて, これらの課題に対処する。
3次元肝再建は正確であり,自動肝体積計算に繋がる。
論文 参考訳(メタデータ) (2024-06-27T17:10:10Z) - A Cascaded Approach for ultraly High Performance Lesion Detection and
False Positive Removal in Liver CT Scans [15.352636778576171]
肝臓がんは世界中で高い死亡率と死亡率を持っている。
CT画像における肝病変の自動検出と分類は、臨床ワークフローを改善する可能性がある。
本研究では,多相CT画像のためのマルチオブジェクトラベリングツールをカスタマイズする。
論文 参考訳(メタデータ) (2023-06-28T09:11:34Z) - Radiomics-Guided Global-Local Transformer for Weakly Supervised
Pathology Localization in Chest X-Rays [65.88435151891369]
Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。
RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
論文 参考訳(メタデータ) (2022-07-10T06:32:56Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳(メタデータ) (2022-03-01T17:08:41Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳(メタデータ) (2021-12-20T03:38:37Z) - Exploiting full Resolution Feature Context for Liver Tumor and Vessel
Segmentation via Fusion Encoder: Application to Liver Tumor and Vessel 3D
reconstruction [19.048952361722876]
本稿ではTransformerとSEBottleNetをベースとしたTransFusionNetと呼ばれるマルチスケール機能コンテキスト融合ネットワークを提案する。
実験の結果、TransFusionNetは、LITSと3Dircadbの両方の公開データセットと臨床データセットの最先端手法よりも優れていることがわかった。
また,トレーニングモデルに基づく自動3次元再構成アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-11-26T02:48:48Z) - Evaluation of Preprocessing Techniques for U-Net Based Automated Liver
Segmentation [0.0]
本研究は,Hounsfield Unit (HU) ウィンドウリング,コントラスト限定適応ヒストグラム等化,zスコア正規化,中央フィルタリング,Block-Matching and 3D (BM3D) フィルタリングに焦点を当てた。
その結果,hu-windowing,centralral filter,z-score正規化の3つの手法を組み合わせると,ディス係数96.93%,90.77%,90.84%の最適性能が得られることがわかった。
論文 参考訳(メタデータ) (2021-03-26T07:31:25Z) - Multi-Slice Low-Rank Tensor Decomposition Based Multi-Atlas
Segmentation: Application to Automatic Pathological Liver CT Segmentation [4.262342157729123]
腹部CT像からの肝分画は,肝癌のコンピュータ診断と手術計画に必須のステップである。
現在、既存の肝セグメンテーション法の精度と堅牢性は臨床応用の要件を満たしていない。
低ランクテンソル分解(LRTD)ベースのマルチアトラス分割(MAS)フレームワークを提案し、CT画像の正確で堅牢な病理学的肝分割を実現する。
論文 参考訳(メタデータ) (2021-02-24T04:09:39Z) - Deep Reinforcement Learning for Organ Localization in CT [59.23083161858951]
我々はCTにおける臓器局所化のための深層強化学習手法を提案する。
この研究において、人工エージェントは、その主張や誤りから学習することで、CT内の臓器の局所化を積極的に行う。
本手法は,任意の臓器をローカライズするためのプラグイン・アンド・プレイモジュールとして利用できる。
論文 参考訳(メタデータ) (2020-05-11T10:06:13Z) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳(メタデータ) (2020-05-08T03:16:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。