論文の概要: Graph Attention Network based Pruning for Reconstructing 3D Liver Vessel
Morphology from Contrasted CT Images
- arxiv url: http://arxiv.org/abs/2003.07999v1
- Date: Wed, 18 Mar 2020 01:03:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 13:10:02.054500
- Title: Graph Attention Network based Pruning for Reconstructing 3D Liver Vessel
Morphology from Contrasted CT Images
- Title（参考訳）: 造影CT画像からの3次元肝血管形態再構成のためのグラフ注意ネットワークを用いたプルーニング
- Authors: Donghao Zhang, Siqi Liu, Shikha Chaganti, Eli Gibson, Zhoubing Xu,
Sasa Grbic, Weidong Cai, and Dorin Comaniciu
- Abstract要約: 本稿では,畳み込みニューラルネットワークとグラフアテンションネットワークを用いた肝血管形態再構成の枠組みを提案する。
完全な畳み込みニューラルネットワークは、まず肝臓の中枢熱マップを生成するために訓練される。
その後、画像処理に基づくアルゴリズムを用いて、熱マップに基づいてオーバーコンストラクトされた肝血管グラフモデルをトレースする。
- 参考スコア（独自算出の注目度）: 28.611953211330125
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the injection of contrast material into blood vessels, multi-phase
contrasted CT images can enhance the visibility of vessel networks in the human
body. Reconstructing the 3D geometric morphology of liver vessels from the
contrasted CT images can enable multiple liver preoperative surgical planning
applications. Automatic reconstruction of liver vessel morphology remains a
challenging problem due to the morphological complexity of liver vessels and
the inconsistent vessel intensities among different multi-phase contrasted CT
images. On the other side, high integrity is required for the 3D reconstruction
to avoid decision making biases. In this paper, we propose a framework for
liver vessel morphology reconstruction using both a fully convolutional neural
network and a graph attention network. A fully convolutional neural network is
first trained to produce the liver vessel centerline heatmap. An
over-reconstructed liver vessel graph model is then traced based on the heatmap
using an image processing based algorithm. We use a graph attention network to
prune the false-positive branches by predicting the presence probability of
each segmented branch in the initial reconstruction using the aggregated CNN
features. We evaluated the proposed framework on an in-house dataset consisting
of 418 multi-phase abdomen CT images with contrast. The proposed graph network
pruning improves the overall reconstruction F1 score by 6.4% over the baseline.
It also outperformed the other state-of-the-art curvilinear structure
reconstruction algorithms.
- Abstract（参考訳）: 造影剤を血管に注入することで、多相造影ct画像は人体における血管ネットワークの可視性を高めることができる。
造影CT画像から肝血管の3次元幾何学的形態を再構築することで, 複数種類の術前手術計画が可能である。
肝血管形態の再構成は, 肝血管の形態学的複雑度と, 多相造影CT像の非一貫性により, 依然として困難である。
一方, 意思決定バイアスを回避するためには, 3次元再構成において高い整合性が必要である。
本稿では,完全畳み込みニューラルネットワークとグラフアテンションネットワークを併用した肝血管形態再構築フレームワークを提案する。
完全な畳み込みニューラルネットワークは、まず肝臓の中枢熱マップを生成するために訓練される。
その後、画像処理に基づくアルゴリズムを用いて、熱マップに基づいてオーバー再構成肝血管グラフモデルをトレースする。
グラフアテンションネットワークを用いて、集約されたCNN特徴を用いて、初期再構成における各セグメント分岐の存在確率を予測する。
418個の多相腹部ct画像からなる社内データセット上で提案手法を評価した。
提案したグラフネットワークのプルーニングにより,全体のF1スコアが6.4%向上した。
また、他の最先端の曲率構造再構成アルゴリズムよりも優れていた。
関連論文リスト
- Explicit Differentiable Slicing and Global Deformation for Cardiac Mesh Reconstruction [8.730291904586656]
医用画像からの心臓解剖のメッシュ再構築は, 形状, 運動計測, 生体物理シミュレーションに有用である。
従来のボクセルベースのアプローチは、イメージの忠実さを損なう前処理と後処理に依存している。
そこで本稿では,メッシュのスライスからメッシュへの勾配バックプロパゲーションを可能にする,新しい識別可能なボキセル化とスライシング(DVS)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-03T17:19:31Z) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳（メタデータ） (2023-07-24T14:43:07Z) - Transformer-based Dual-domain Network for Few-view Dedicated Cardiac
SPECT Image Reconstructions [8.510419245628983]
高品質な3次元心筋SPECT画像再構成のための新しい3次元トランスフォーマーベースデュアルドメインネットワークTIP-Netを提案する。
本手法は,3次元心筋SPECT画像を直接投影データから再構成することを目的としている。
論文 参考訳（メタデータ） (2023-07-18T20:39:14Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - 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) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳（メタデータ） (2021-10-12T23:25:03Z) - Image-to-Graph Convolutional Network for Deformable Shape Reconstruction
from a Single Projection Image [0.0]
単一視点投影画像からの変形可能な形状再構成のための画像間畳み込みネットワーク(IGCN)を提案する。
IGCNは、変形マッピングスキームに基づいて、形状/変形変動と深部画像特徴の関係を学習する。
論文 参考訳（メタデータ） (2021-08-28T00:00:09Z) - 3D Vessel Reconstruction in OCT-Angiography via Depth Map Estimation [26.489218604637678]
2次元OCTA画像(顔血管造影)における血管のマニュアルまたは自動解析は、一般的に臨床で用いられる。
OCTA画像から船舶深度マップを推定した新しい3次元船舶再構築フレームワークを紹介します。
論文 参考訳（メタデータ） (2021-02-26T16:53:39Z) - Learning Hybrid Representations for Automatic 3D Vessel Centerline
Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。
既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。
抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。
この課題を解決するためのハイブリッド表現学習手法を提案します。
論文 参考訳（メタデータ） (2020-12-14T05:22:49Z) - Rethinking the Extraction and Interaction of Multi-Scale Features for
Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。
PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文 参考訳（メタデータ） (2020-10-09T08:22:54Z) - A model-guided deep network for limited-angle computed tomography [28.175533839713847]
まず,CT画像再構成のための変分モデルを提案し,そのモデルをエンドツーエンドのディープネットワークに変換する。
本ネットワークは, シングラムとCT画像の両方に対処し, 不完全データによるアーティファクトを同時に抑制することができる。
論文 参考訳（メタデータ） (2020-08-10T09:42:32Z)
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。