論文の概要: Deep Learning in Medical Ultrasound Image Segmentation: a Review
- arxiv url: http://arxiv.org/abs/2002.07703v3
- Date: Fri, 5 Mar 2021 00:05:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 19:07:17.348835
- Title: Deep Learning in Medical Ultrasound Image Segmentation: a Review
- Title(参考訳): 医用超音波画像分割における深層学習
- Authors: Ziyang Wang
- Abstract要約: これは、ヒトの組織を3Dで再構成するなど、臨床診断のための信頼性の高い基盤を提供するための重要なステップである。
深層学習に基づく超音波画像セグメンテーション法は,6つの主要群に分類される。
最後に,医療用超音波画像セグメンテーションの課題と今後の研究の方向性について論じる。
- 参考スコア(独自算出の注目度): 9.992387025633805
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Applying machine learning technologies, especially deep learning, into
medical image segmentation is being widely studied because of its
state-of-the-art performance and results. It can be a key step to provide a
reliable basis for clinical diagnosis, such as 3D reconstruction of human
tissues, image-guided interventions, image analyzing and visualization. In this
review article, deep-learning-based methods for ultrasound image segmentation
are categorized into six main groups according to their architectures and
training at first. Secondly, for each group, several current representative
algorithms are selected, introduced, analyzed and summarized in detail. In
addition, common evaluation methods for image segmentation and ultrasound image
segmentation datasets are summarized. Further, the performance of the current
methods and their evaluations are reviewed. In the end, the challenges and
potential research directions for medical ultrasound image segmentation are
discussed.
- Abstract(参考訳): 機械学習技術、特にディープラーニングを医療画像セグメンテーションに適用することは、最先端のパフォーマンスと結果から広く研究されている。
これは、ヒト組織の3d再構築、画像誘導介入、画像解析、可視化など、臨床診断の信頼できる基盤を提供するための重要なステップである。
本稿では, 超音波画像分割のための深層学習に基づく手法を, そのアーキテクチャとトレーニングに基づいて6つのグループに分類する。
次に、各グループに対して、いくつかの現在の代表アルゴリズムを選択し、導入し、分析し、詳細を要約する。
さらに,画像分割と超音波画像分割データセットの共通評価手法について述べる。
さらに、現在の手法の性能とその評価について検討する。
最後に,医療用超音波画像セグメンテーションの課題と今後の研究の方向性について論じる。
関連論文リスト
- Ventricular Segmentation: A Brief Comparison of U-Net Derivatives [0.0]
本稿では,心臓短軸MRI(Magnetic Resonance Imaging)画像のセマンティックセグメンテーションにおけるディープラーニング手法の適用について検討する。
焦点は、U-Netの派生品である様々なアーキテクチャの実装に焦点を当て、包括的な解剖学的および機能解析のために心臓の特定の部分を効果的に分離することである。
論文 参考訳(メタデータ) (2024-01-18T13:51:20Z) - Explanations of Classifiers Enhance Medical Image Segmentation via
End-to-end Pre-training [37.11542605885003]
医用画像セグメンテーションは、ディープニューラルネットワークを用いて、胸部X線写真などの医用画像の異常な構造を特定し、発見することを目的としている。
我々の研究は、よく訓練された分類器から説明を集め、セグメンテーションタスクの擬似ラベルを生成する。
次に、インテグレート・グラディエント(IG)法を用いて、分類器から得られた説明を蒸留し、強化し、大規模診断指向のローカライゼーション・ラベル(DoLL)を生成する。
これらのDLLアノテーション付き画像は、新型コロナウイルス感染症、肺、心臓、鎖骨などの下流のセグメンテーションタスクのために、モデルを微調整する前に事前訓練するために使用される。
論文 参考訳(メタデータ) (2024-01-16T16:18:42Z) - From CNN to Transformer: A Review of Medical Image Segmentation Models [7.3150850275578145]
医用画像セグメンテーションのための深層学習が主流となっている。
本稿では,近年最も代表的な4つの医用画像セグメンテーションモデルについて調査する。
理論的にこれらのモデルの特徴を解析し、2つのベンチマークデータセット上でそれらの性能を定量的に評価する。
論文 参考訳(メタデータ) (2023-08-10T02:48:57Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳(メタデータ) (2023-01-12T08:19:46Z) - Semantic segmentation of multispectral photoacoustic images using deep
learning [53.65837038435433]
光音響イメージングは医療に革命をもたらす可能性がある。
この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。
本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2021-05-20T09:33:55Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z) - Interactive Deep Refinement Network for Medical Image Segmentation [13.698408475104452]
従来のセマンティックセグメンテーションネットワークを改善するための対話型ディープリファインメントフレームワークを提案する。
提案するフレームワークでは,従来のセグメンテーションネットワークに改良ネットワークを追加し,結果を改善した。
公開データセットによる実験結果から,提案手法が他の最先端手法よりも高い精度を達成できることが判明した。
論文 参考訳(メタデータ) (2020-06-27T08:24:46Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳(メタデータ) (2020-03-31T11:50:43Z) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳(メタデータ) (2020-03-23T14:35:08Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳(メタデータ) (2020-01-24T21:09:18Z)
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。