Fugu-MT 論文翻訳(概要): Regression Forest-Based Atlas Localization and Direction Specific Atlas Generation for Pancreas Segmentation

論文の概要: Regression Forest-Based Atlas Localization and Direction Specific Atlas Generation for Pancreas Segmentation

arxiv url: http://arxiv.org/abs/2005.03345v1
Date: Thu, 7 May 2020 09:20:55 GMT
ステータス: 処理完了
システム内更新日: 2022-12-05 23:32:38.791420
Title: Regression Forest-Based Atlas Localization and Direction Specific Atlas Generation for Pancreas Segmentation
Title（参考訳）: レグレッションフォレストに基づく膵分画におけるアトラス局在と方向特異的アトラス生成
Authors: Masahiro Oda, Natsuki Shimizu, Ken'ichi Karasawa, Yukitaka Nimura, Takayuki Kitasaka, Kazunari Misawa, Michitaka Fujiwara, Daniel Rueckert, Kensaku Mori
Abstract要約: 我々はCTボリュームから完全自動膵分画法を提案する。回帰林法を用いて膵臓の位置と大きさを推定した。新しい画像類似性に基づいて患者特異的確率アトラスを生成する。
参考スコア（独自算出の注目度）: 6.3486279368597
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes a fully automated atlas-based pancreas segmentation method from CT volumes utilizing atlas localization by regression forest and atlas generation using blood vessel information. Previous probabilistic atlas-based pancreas segmentation methods cannot deal with spatial variations that are commonly found in the pancreas well. Also, shape variations are not represented by an averaged atlas. We propose a fully automated pancreas segmentation method that deals with two types of variations mentioned above. The position and size of the pancreas is estimated using a regression forest technique. After localization, a patient-specific probabilistic atlas is generated based on a new image similarity that reflects the blood vessel position and direction information around the pancreas. We segment it using the EM algorithm with the atlas as prior followed by the graph-cut. In evaluation results using 147 CT volumes, the Jaccard index and the Dice overlap of the proposed method were 62.1% and 75.1%, respectively. Although we automated all of the segmentation processes, segmentation results were superior to the other state-of-the-art methods in the Dice overlap.
Abstract（参考訳）: 本稿では,レグレッションフォレストによるアラス局在と血管情報を用いたアラス生成を利用したCTボリュームからの完全自動膵分画法を提案する。以前の確率的アトラスに基づく膵分画法は、膵臓によく見られる空間的変化に対応できない。また、形状の変化は平均的なアトラスで表現されない。本稿では,上述の2種類の変種に対応する完全自動化膵管分節法を提案する。回帰林法を用いて膵臓の位置と大きさを推定した。局所化後、血管の位置と膵周囲の方向情報を反映する新しい画像類似性に基づいて、患者特異的確率アトラスを生成する。先に述べたように, EMアルゴリズムをアトラスで分割し, グラフカットで分割する。 147のCTボリュームを用いた評価では, 提案手法のJaccard indexとDice overlapはそれぞれ62.1%, 75.1%であった。セグメンテーションプロセスはすべて自動化したが, セグメンテーション結果はDice重なり合う他の最先端手法よりも優れていた。

関連論文リスト

Continual atlas-based segmentation of prostate MRI [2.17257168063257]
自然な画像分類のために設計された連続学習(CL)法は、しばしば基本的な品質基準に達しない。我々は,プロトタイプを用いて高品質なセグメンテーションマスクを生成するアトラスベースのセグメンテーション手法であるAtlas Replayを提案する。我々の結果は、Atlas Replayは堅牢であり、知識を維持しながら、まだ見つからない領域に対してうまく一般化していることを示している。
論文参考訳（メタデータ） (2023-11-01T14:29:46Z)
Multi-Contrast Computed Tomography Atlas of Healthy Pancreas [20.701287373470425]
臓器特異的解析のための形態的変動に適応するためには,体積空間参照が必要である。膵臓に特異的に最適化されたCTアトラスフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-02T18:16:21Z)
MAPPING: Model Average with Post-processing for Stroke Lesion Segmentation [57.336056469276585]
我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
論文参考訳（メタデータ） (2022-11-11T14:17:04Z)
Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文参考訳（メタデータ） (2022-10-13T15:34:20Z)
Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文参考訳（メタデータ） (2022-05-05T10:31:57Z)
An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文参考訳（メタデータ） (2022-04-26T14:20:26Z)
Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文参考訳（メタデータ） (2022-02-22T15:24:06Z)
An Interpretable Algorithm for Uveal Melanoma Subtyping from Whole Slide Cytology Images [3.33281597371121]
細針吸引生検のデジタル画像を用いたぶどう膜黒色腫の自動診断システムについて述べる。提案手法は,多数の代表スライドで定義される2次元多様体の点として,候補画像の自動区切りセルを埋め込む。円歪した2次元多様体の分割に対して規則に基づくスライドレベル分類アルゴリズムを訓練する。
論文参考訳（メタデータ） (2021-08-13T13:55:08Z)
CNN Based Segmentation of Infarcted Regions in Acute Cerebral Stroke Patients From Computed Tomography Perfusion Imaging [2.1626699124055504]
血栓溶解療法は脳損傷を軽減できるが、治療窓は狭い。 Computed To Perfusion Imagingは、脳卒中患者の一般的な一次評価ツールです。完全自動化された4次元畳み込みニューラルネットワークに基づくセグメンテーション手法を提案する。
論文参考訳（メタデータ） (2021-04-07T09:09:13Z)
Deeply supervised UNet for semantic segmentation to assist dermatopathological assessment of Basal Cell Carcinoma (BCC) [2.031570465477242]
unetアーキテクチャに基づく複数のモデルを用いた意味セグメンテーションによる基底細胞癌(bcc)の検出に焦点を当てた。 unetネットワークの最初の2つの異なるエンコーダと2つの追加のトレーニング戦略を分析した。最高のモデルは、テストセット上の96%、精度、感度、および特異性を達成します。
論文参考訳（メタデータ） (2021-03-05T15:39:55Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。