論文の概要: Recurrent convolutional neural networks for mandible segmentation from computed tomography

• arxiv url: http://arxiv.org/abs/2003.06486v1
• Date: Fri, 13 Mar 2020 21:11:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 02:17:31.826295
• Title: Recurrent convolutional neural networks for mandible segmentation from computed tomography
• Title（参考訳）: 再帰的畳み込みニューラルネットワークを用いたctによる下顎骨分割
• Authors: Bingjiang Qiu, Jiapan Guo, Joep Kraeima, Haye H. Glas, Ronald J. H. Borra, Max J. H. Witjes, Peter M. A. van Ooijen
• Abstract要約: 本稿では、分割畳み込み畳み込みニューラルネットワーク(SegCNN)をリカレントニューラルネットワーク(RNN)に組み込む再帰分割畳み込み畳み込みニューラルネットワーク(RSegCNN)を提案する。 このようなシステムの設計は、CTスキャンで隣接する画像スライスでキャプチャされた下顎形状の類似性と連続性を考慮に入れている。 RSegCNNは、正確な下顎分割のための最先端のモデルよりもはるかに優れている。
• 参考スコア（独自算出の注目度）: 0.9851812512860351
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, accurate mandible segmentation in CT scans based on deep learning methods has attracted much attention. However, there still exist two major challenges, namely, metal artifacts among mandibles and large variations in shape or size among individuals. To address these two challenges, we propose a recurrent segmentation convolutional neural network (RSegCNN) that embeds segmentation convolutional neural network (SegCNN) into the recurrent neural network (RNN) for robust and accurate segmentation of the mandible. Such a design of the system takes into account the similarity and continuity of the mandible shapes captured in adjacent image slices in CT scans. The RSegCNN infers the mandible information based on the recurrent structure with the embedded encoder-decoder segmentation (SegCNN) components. The recurrent structure guides the system to exploit relevant and important information from adjacent slices, while the SegCNN component focuses on the mandible shapes from a single CT slice. We conducted extensive experiments to evaluate the proposed RSegCNN on two head and neck CT datasets. The experimental results show that the RSegCNN is significantly better than the state-of-the-art models for accurate mandible segmentation.
• Abstract（参考訳）: 近年,深層学習法に基づくCTスキャンの正確な下顎骨分割が注目されている。 しかし、下顎骨の金属造形物と個体間の形状や大きさのばらつきという2つの大きな課題が残っている。 これら2つの課題に対処するため,下顎骨の頑健かつ正確な分割のために,分割畳み込み畳み込みニューラルネットワーク (SegCNN) をリカレントニューラルネットワーク (RNN) に組み込む再帰分割畳み込み畳み込みニューラルネットワーク (RSegCNN) を提案する。 このようなシステムの設計は、CTスキャンで隣接する画像スライスでキャプチャされた下顎形状の類似性と連続性を考慮に入れている。 RSegCNNは、組込みエンコーダデコーダセグメンテーション(SegCNN)コンポーネントで繰り返し構造に基づいて、下顎情報を推測する。 繰り返し構造は、隣接するスライスから関連する重要な情報を利用するようシステムに誘導する一方、SegCNNコンポーネントは単一のCTスライスからの下顎骨形状に焦点を当てる。 2つの頭頸部CTデータセットを用いたRSegCNNの評価実験を行った。 実験の結果, RSegCNNは, 正確な下顎骨分割のための最先端モデルよりも有意に優れていることがわかった。

関連論文リスト

• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• UNet#: A UNet-like Redesigning Skip Connections for Medical Image Segmentation [13.767615201220138]
  シンボル#に類似した形状のUNet-sharp(UNet#)という,高密度スキップ接続とフルスケールスキップ接続を組み合わせた新しいネットワーク構造を提案する。 提案されたUNet#は、デコーダサブネットワークで異なるスケールの機能マップを集約し、詳細な詳細と大まかなセマンティクスをフルスケールから取得することができる。
  論文  参考訳（メタデータ） (2022-05-24T03:40:48Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Multi-organ Segmentation Network with Adversarial Performance Validator [10.775440368500416]
  本稿では,2次元から3次元のセグメンテーションフレームワークに対向的な性能検証ネットワークを導入する。 提案したネットワークは, 2次元粗い結果から3次元高品質なセグメンテーションマスクへの変換を行い, 共同最適化によりセグメンテーション精度が向上する。 NIH膵分節データセットの実験では、提案したネットワークが小臓器分節の最先端の精度を達成し、過去の最高性能を上回った。
  論文  参考訳（メタデータ） (2022-04-16T18:00:29Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• Automated airway segmentation by learning graphical structure [0.76146285961466]
  我々は,既存の畳み込みニューラルネットワーク(CNN)とグラフニューラルネットワーク(GNN)に基づく気道セグメンテーションの高度な手法を提唱した。 提案モデルにより,CNN法とGNN法を併用した場合,胸部CTスキャンの気管支をほとんどの症例で検出できることが示唆された。
  論文  参考訳（メタデータ） (2021-09-30T01:37:31Z)
• Densely Connected Recurrent Residual (Dense R2UNet) Convolutional Neural Network for Segmentation of Lung CT Images [0.342658286826597]
  本稿では,U-Netモデルアーキテクチャに基づくリカレントCNN,Residual Network,Dense Convolutional Networkの合成について述べる。 ベンチマークLung Lesionデータセットで検証したモデルでは、同等のモデルよりもセグメンテーションタスクのパフォーマンスが向上した。
  論文  参考訳（メタデータ） (2021-02-01T06:34:10Z)
• Self-Supervised Learning for Segmentation [3.8026993716513933]
  腎臓の解剖学的非対称性は、自己教師付き学習による腎臓分画の効果的なプロキシタスクを定義するために利用される。 siamese convolutional neural network (cnn)は、与えられた1対の腎臓切片をctボリュームから同一または異なる側面の腎臓に分類するために使用される。
  論文  参考訳（メタデータ） (2021-01-14T04:28:47Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Spatio-Temporal Inception Graph Convolutional Networks for Skeleton-Based Action Recognition [126.51241919472356]
  我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。 ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
  論文  参考訳（メタデータ） (2020-11-26T14:43:04Z)
• The efficiency of deep learning algorithms for detecting anatomical reference points on radiological images of the head profile [55.41644538483948]
  U-Netニューラルネットワークは、完全な畳み込みニューラルネットワークよりも正確に解剖学的基準点の検出を可能にする。 U-Net ニューラルネットワークによる解剖学的基準点検出の結果は,歯科矯正医のグループによる基準点検出の平均値に近づいた。
  論文  参考訳（メタデータ） (2020-05-25T13:51:03Z)

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。