論文の概要: Deep Cerebellar Nuclei Segmentation via Semi-Supervised Deep
Context-Aware Learning from 7T Diffusion MRI
- arxiv url: http://arxiv.org/abs/2004.09788v3
- Date: Sun, 31 May 2020 01:47:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 05:45:16.277595
- Title: Deep Cerebellar Nuclei Segmentation via Semi-Supervised Deep
Context-Aware Learning from 7T Diffusion MRI
- Title（参考訳）: 7T拡散MRIを用いた半監督深部文脈認識学習による深部小脳核分割
- Authors: Jinyoung Kim, Remi Patriat, Jordan Kaplan, Oren Solomon, Noam Harel
- Abstract要約: 深部小脳核は、運動や感覚情報を処理する小脳の重要な構造である。
標準的な臨床磁気共鳴イメージング(MRI)プロトコルの下で、そのような小さな核をはっきりと可視化することは困難である。
7 Tesla (T) MRI技術の最近の進歩とディープニューラルネットワークの可能性は、自動的に患者固有のセグメンテーションを促進する。
7T拡散MRIにおける深部小脳歯状突起と介在核の高速・高精度・堅牢な患者特異的セグメンテーションのための新しい深部学習フレームワーク(DCN-Net)を提案する。
- 参考スコア（独自算出の注目度）: 10.706353524285346
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep cerebellar nuclei are a key structure of the cerebellum that are
involved in processing motor and sensory information. It is thus a crucial step
to accurately segment deep cerebellar nuclei for the understanding of the
cerebellum system and its utility in deep brain stimulation treatment. However,
it is challenging to clearly visualize such small nuclei under standard
clinical magnetic resonance imaging (MRI) protocols and therefore precise
segmentation is not feasible. Recent advances in 7 Tesla (T) MRI technology and
great potential of deep neural networks facilitate automatic patient-specific
segmentation. In this paper, we propose a novel deep learning framework
(referred to as DCN-Net) for fast, accurate, and robust patient-specific
segmentation of deep cerebellar dentate and interposed nuclei on 7T diffusion
MRI. DCN-Net effectively encodes contextual information on the patch images
without consecutive pooling operations and adding complexity via proposed
dilated dense blocks. During the end-to-end training, label probabilities of
dentate and interposed nuclei are independently learned with a hybrid loss,
handling highly imbalanced data. Finally, we utilize self-training strategies
to cope with the problem of limited labeled data. To this end, auxiliary
dentate and interposed nuclei labels are created on unlabeled data by using
DCN-Net trained on manual labels. We validate the proposed framework using 7T
B0 MRIs from 60 subjects. Experimental results demonstrate that DCN-Net
provides better segmentation than atlas-based deep cerebellar nuclei
segmentation tools and other state-of-the-art deep neural networks in terms of
accuracy and consistency. We further prove the effectiveness of the proposed
components within DCN-Net in dentate and interposed nuclei segmentation.
- Abstract（参考訳）: 深部小脳核は小脳の重要な構造であり、運動や感覚情報の処理に関与している。
そのため、深部小脳核を正確に分断し、小脳系の理解と深部脳刺激治療におけるその有用性を解明する重要なステップである。
しかし, 標準磁気共鳴イメージング(MRI)プロトコル下では, このような小さな核をはっきりと可視化することは困難であり, 正確なセグメンテーションは不可能である。
7 Tesla (T) MRI技術の最近の進歩とディープニューラルネットワークの可能性は、自動的に患者固有のセグメンテーションを促進する。
本稿では,7t拡散mri上での深部小脳象牙質と介在核の高速・高精度・ロバストな患者特異的セグメンテーションのための深部学習フレームワーク(dcn-net)を提案する。
DCN-Netは、連続的なプーリング操作をせずにパッチイメージのコンテキスト情報を効果的にエンコードし、拡張された高密度ブロックによって複雑さを追加する。
エンド・ツー・エンドのトレーニングでは、歯状核と介在核のラベル確率は、高度に不均衡なデータを扱うハイブリッド損失によって独立に学習される。
最後に,ラベル付きデータの制限問題に対処するために,自己学習戦略を用いる。
この目的のために、手動ラベルで訓練されたDCN-Netを用いて、ラベルなしデータ上に補助歯状および介在核ラベルを作成する。
提案フレームワークは,60名から7t b0 mriを用いて検証した。
実験の結果、dcn-netはatlasベースの深部小脳核セグメンテーションツールや他の最先端ディープニューラルネットワークよりも精度と一貫性において優れたセグメンテーションを提供することがわかった。
本研究は, デンタル酸およびインターフェクト核セグメンテーションにおけるDCN-Net内の提案成分の有効性を更に証明する。
関連論文リスト
- Pseudo-label refinement using superpixels for semi-supervised brain
tumour segmentation [0.6767885381740952]
限定アノテーションを用いたニューラルネットワークのトレーニングは、医療領域において重要な問題である。
半教師付き学習は、注釈付きデータが少ないセグメンテーションを学習することでこの問題を克服することを目的としている。
擬似ラベルの精度を向上させるために,スーパーピクセルに基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-16T15:17:11Z) - Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。
本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。
実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
論文 参考訳（メタデータ） (2021-10-07T14:03:00Z) - Bend-Net: Bending Loss Regularized Multitask Learning Network for Nuclei
Segmentation in Histopathology Images [65.47507533905188]
重なり合う核を正確に分離するために、曲げ損失正規化器を備えた新しいマルチタスク学習ネットワークを提案する。
新たに提案されたマルチタスク学習アーキテクチャは、3つのタスクから共有表現を学習することで一般化を促進する。
提案した曲げ損失は,輪郭点を大きな曲率で囲むために高いペナルティを定義し,小さな曲率で凸輪郭点に小さなペナルティを適用した。
論文 参考訳（メタデータ） (2021-09-30T17:29:44Z) - DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI
Segmentation [0.0]
本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。
提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
論文 参考訳（メタデータ） (2021-05-17T15:43:59Z) - 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) - Automated Segmentation of Brain Gray Matter Nuclei on Quantitative
Susceptibility Mapping Using Deep Convolutional Neural Network [16.733578721523898]
脳皮質下核の鉄蓄積異常は、様々な神経変性疾患と相関していると報告されている。
本稿では3次元畳み込みニューラルネットワーク(CNN)に基づく2分岐残基構造U-Net(DB-ResUNet)を提案する。
論文 参考訳（メタデータ） (2020-08-03T14:32:30Z) - Instance-aware Self-supervised Learning for Nuclei Segmentation [47.07869311690419]
本稿では,核インスタンス分割タスクにおける畳み込みニューラルネットワーク(CNN)の能力を活用するための,新たな自己教師型学習フレームワークを提案する。
提案するアプローチには、2つのサブタスクが含まれており、ニューラルネットワークは、核の大きさと量の事前知識を暗黙的に活用することができる。
公開されているMoNuSegデータセットの実験結果から、提案した自己教師付き学習手法は、核インスタンスのセグメンテーション精度を著しく向上させることができることが示された。
論文 参考訳（メタデータ） (2020-07-22T03:37:14Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z) - Recurrent convolutional neural networks for mandible segmentation from
computed tomography [0.9851812512860351]
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。
論文 参考訳（メタデータ） (2020-03-13T21:11:28Z) - DVNet: A Memory-Efficient Three-Dimensional CNN for Large-Scale
Neurovascular Reconstruction [1.9199289015460215]
画素単位のセマンティックセマンティックセグメンテーションのための,完全畳み込み,深層化,密結合型エンコーダデコーダを提案する。
提案ネットワークは,オープンソースベンチマークに適用したセマンティックセグメンテーション問題に対して,優れた性能を提供する。
論文 参考訳（メタデータ） (2020-02-04T22:39:58Z)
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。