論文の概要: RatLesNetv2: A Fully Convolutional Network for Rodent Brain Lesion Segmentation

• arxiv url: http://arxiv.org/abs/2001.09138v4
• Date: Wed, 30 Dec 2020 09:05:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-07 05:24:46.422705
• Title: RatLesNetv2: A Fully Convolutional Network for Rodent Brain Lesion Segmentation
• Title（参考訳）: RatLesNetv2: げっ歯類脳病変分離のための完全な畳み込みネットワーク
• Authors: Juan Miguel Valverde, Artem Shatillo, Riccardo de Feo, Olli Gr\"ohn, Alejandra Sierra, Jussi Tohka
• Abstract要約: 本研究では, 磁気共鳴(MR)脳画像における病変の分画のための, RatLesNetv2 という完全畳み込みニューラルネットワーク(ConvNet)を提案する。 RatLesNetv2アーキテクチャはオートエンコーダに似ている。 RatLesNetv2をラット671例のT2負荷ラット脳MRI916例からなる非常に大きなデータセットで評価した。
• 参考スコア（独自算出の注目度）: 55.69352761176367
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present a fully convolutional neural network (ConvNet), named RatLesNetv2, for segmenting lesions in rodent magnetic resonance (MR) brain images. RatLesNetv2 architecture resembles an autoencoder and it incorporates residual blocks that facilitate its optimization. RatLesNetv2 is trained end to end on three-dimensional images and it requires no preprocessing. We evaluated RatLesNetv2 on an exceptionally large dataset composed of 916 T2-weighted rat brain MRI scans of 671 rats at nine different lesion stages that were used to study focal cerebral ischemia for drug development. In addition, we compared its performance with three other ConvNets specifically designed for medical image segmentation. RatLesNetv2 obtained similar to higher Dice coefficient values than the other ConvNets and it produced much more realistic and compact segmentations with notably fewer holes and lower Hausdorff distance. The Dice scores of RatLesNetv2 segmentations also exceeded inter-rater agreement of manual segmentations. In conclusion, RatLesNetv2 could be used for automated lesion segmentation, reducing human workload and improving reproducibility. RatLesNetv2 is publicly available at https://github.com/jmlipman/RatLesNetv2.
• Abstract（参考訳）: われわれは,ラットレズネットv2と命名された完全畳み込みニューラルネットワーク(ConvNet)を,歯状磁気共鳴(MR)脳画像における病変の分節のために提案する。 ratlesnetv2アーキテクチャはオートエンコーダに似ており、最適化を容易にする残余ブロックを組み込んでいる。 RatLesNetv2は3次元画像でエンドツーエンドにトレーニングされており、前処理を必要としない。 RatLesNetv2は, 局所脳虚血を薬開発に用いた671ラットの脳MRIで, 916T2強調MRIを用いて, 非常に大きなデータセットで評価した。 さらに,医療画像セグメンテーション用に設計された他の3つのConvNetと比較した。 ratlesnetv2は他のconvnetよりも高いdice係数の値が得られ、より少ない穴と低いハウスドルフ距離を持つよりリアルでコンパクトなセグメンテーションを生み出した。 ratlesnetv2 セグメンテーションの dice スコアは、手動セグメンテーションのレート間合意を超えた。 結論として、RatLesNetv2は、自動病変分割、人間の作業量の削減、再現性の向上に使用できる。 RatLesNetv2はhttps://github.com/jmlipman/RatLesNetv2で公開されている。

関連論文リスト

• CATS v2: Hybrid encoders for robust medical segmentation [12.194439938007672]
  畳み込みニューラルネットワーク(CNN)は、医用画像分割タスクにおいて強力な性能を示した。 しかし、畳み込みカーネルの視野が限られているため、CNNがグローバル情報を完全に表現することは困難である。 ローカル情報とグローバル情報の両方を活用するハイブリッドエンコーダを用いたCATS v2を提案する。
  論文  参考訳（メタデータ） (2023-08-11T20:21:54Z)
• Are Large Kernels Better Teachers than Transformers for ConvNets? [82.4742785108714]
  本稿では,最近出現した大規模カーネル畳み込みニューラルネットワーク(ConvNets)の新たな魅力を明らかにする。
  論文  参考訳（メタデータ） (2023-05-30T21:05:23Z)
• Benchmarking Deep Learning Frameworks for Automated Diagnosis of Ocular Toxoplasmosis: A Comprehensive Approach to Classification and Segmentation [1.3701366534590498]
  眼トキソプラズマ症(Ocular Toxoplasmosis,OT)は、眼疾患を引き起こすT. gondiiによって引き起こされる一般的な眼感染症である。 本研究は、DL技術を活用し、安価で自動化され、使いやすく、正確な診断方法を開発しようとしている将来の研究者のためのガイドを提供する。
  論文  参考訳（メタデータ） (2023-05-18T13:42:15Z)
• Conv2Former: A Simple Transformer-Style ConvNet for Visual Recognition [158.15602882426379]
  本稿では,視覚認識のための最先端の手法を設計しようとはしないが,空間的特徴を符号化するために畳み込みを利用するより効率的な方法について検討する。 近年の畳み込みニューラルネットワーク(ConvNet)と視覚変換器(Vision Transformers)の設計原理を比較することにより,畳み込み変調操作を活用することで自己意識をシンプルにすることを提案する。
  論文  参考訳（メタデータ） (2022-11-22T01:39:45Z)
• MogaNet: Multi-order Gated Aggregation Network [64.16774341908365]
  我々は,識別的視覚的表現学習のために,MogaNetと呼ばれる現代ConvNetの新たなファミリーを提案する。 MogaNetは概念的に単純だが効果的な畳み込みをカプセル化し、集約をコンパクトモジュールに集約する。 MogaNetは、ImageNetの最先端のViTやConvNetと比較して、優れたスケーラビリティ、パラメータの大幅な効率、競争性能を示している。
  論文  参考訳（メタデータ） (2022-11-07T04:31:17Z)
• MCUNetV2: Memory-Efficient Patch-based Inference for Tiny Deep Learning [72.80896338009579]
  メモリボトルネックは畳み込みニューラルネットワーク(CNN)の設計における不均衡なメモリ分布に起因する。 本稿では,ピークメモリを大幅に削減するパッチ・バイ・パッチ・推論スケジューリングを提案する。 ニューラルアーキテクチャサーチによるプロセスを自動化し、ニューラルアーキテクチャと推論スケジューリングを共同で最適化し、MCUNetV2に導いた。
  論文  参考訳（メタデータ） (2021-10-28T17:58:45Z)
• Automatic hemisphere segmentation in rodent MRI with lesions [0.4588028371034407]
  我々は、磁気共鳴(MR)画像において脳半球を分画する最初の完全自動手法である畳み込みニューラルネットワークであるMedicDeepLabv3+を提案する。 MedicDeepLabv3+は、バイアスフィールド補正やテンプレートへの登録のようなMR画像前処理を必要としないため、1秒未満でセグメンテーションを生成する。 我々の実験では、MedicDeepLabv3+は他の手法よりも優れており、脳と反対側の半球領域では平均Dice係数0.952と0.944が得られた。
  論文  参考訳（メタデータ） (2021-08-04T10:14:17Z)
• Inter-slice Context Residual Learning for 3D Medical Image Segmentation [38.43650000401734]
  本稿では,3次元医用画像の正確なセグメンテーションのための3次元コンテキスト残差ネットワーク(ConResNet)を提案する。 このモデルはエンコーダ、セグメンテーションデコーダ、コンテキスト残留デコーダで構成される。 提案したConResNetは,脳腫瘍セグメンテーションにおける上位6つの方法と膵腫瘍セグメンテーションにおける上位7つの方法より正確である。
  論文  参考訳（メタデータ） (2020-11-28T16:03:39Z)
• DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
  本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。 我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。 皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
  論文  参考訳（メタデータ） (2020-08-19T06:02:46Z)
• MixNet: Multi-modality Mix Network for Brain Segmentation [8.44876865136712]
  MixNetは2Dのセマンティックワイド・ディープ畳み込みニューラルネットワークで、MRI画像の脳構造を分割する。 MixNetv2はMICCAI 2018でMRBrainSチャレンジに応募し、3ラベルタスクで3位を獲得した。
  論文  参考訳（メタデータ） (2020-04-21T08:55:55Z)

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。