論文の概要: Deep Negative Volume Segmentation
- arxiv url: http://arxiv.org/abs/2006.12430v1
- Date: Mon, 22 Jun 2020 16:55:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 05:56:18.211036
- Title: Deep Negative Volume Segmentation
- Title(参考訳): 深部負ボリュームセグメンテーション
- Authors: Kristina Belikova, Oleg Rogov, Aleksandr Rybakov, Maxim V. Maslov,
Dmitry V. Dylov
- Abstract要約: 対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。
我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。
顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
- 参考スコア(独自算出の注目度): 60.44793799306154
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Clinical examination of three-dimensional image data of compound anatomical
objects, such as complex joints, remains a tedious process, demanding the time
and the expertise of physicians. For instance, automation of the segmentation
task of the TMJ (temporomandibular joint) has been hindered by its compound
three-dimensional shape, multiple overlaid textures, an abundance of
surrounding irregularities in the skull, and a virtually omnidirectional range
of the jaw's motion - all of which extend the manual annotation process to more
than an hour per patient. To address the challenge, we invent a new angle to
the 3D segmentation task: namely, we propose to segment empty spaces between
all the tissues surrounding the object - the so-called negative volume
segmentation. Our approach is an end-to-end pipeline that comprises a V-Net for
bone segmentation, a 3D volume construction by inflation of the reconstructed
bone head in all directions along the normal vector to its mesh faces.
Eventually confined within the skull bones, the inflated surface occupies the
entire "negative" space in the joint, effectively providing a
geometrical/topological metric of the joint's health. We validate the idea on
the CT scans in a 50-patient dataset, annotated by experts in maxillofacial
medicine, quantitatively compare the asymmetry given the left and the right
negative volumes, and automate the entire framework for clinical adoption.
- Abstract(参考訳): 複雑な関節などの複合解剖学的対象の三次元画像データの臨床的検討は退屈なプロセスであり、医師の時間と専門知識を要求する。
例えば、顎関節(顎関節)のセグメンテーション作業の自動化は、その複合的な3次元形状、複数の重ね合わせテクスチャ、頭蓋骨の周囲の不規則さの多さ、顎の運動のほぼ全方位範囲によって妨げられている。
この課題に対処するために、我々は3dセグメンテーションタスクに新たな角度を考案する:すなわち、対象を囲むすべての組織、いわゆる負のボリュームセグメンテーションの間に空空間を分割する。
本研究は, 骨セグメント化のためのv-net, 再建骨頭からメッシュ面への全方向のインフレーションによる3次元ボリューム構成を含む, エンド・ツー・エンドのパイプラインである。
最終的には頭蓋骨内に閉じ込められ、膨らんだ表面は関節の「負の」空間全体を占有し、関節の健康の幾何学的・位相的指標を効果的に提供する。
顎顔面医療の専門家が注釈を付した50例のctスキャンのアイデアを検証し,左右の負の体積に対する非対称性を定量的に比較し,臨床応用のための枠組み全体を自動化した。
関連論文リスト
- A Quantitative Evaluation of Dense 3D Reconstruction of Sinus Anatomy
from Monocular Endoscopic Video [8.32570164101507]
内視鏡的シーケンスと光学的トラッキングを用いた洞再建のための自己教師型アプローチの定量的解析を行った。
以上の結果から, 生成した復元は解剖学的に高い一致を示し, 平均点間誤差は0.91mmであった。
ポーズと深さ推定の不正確さがこの誤りに等しく寄与し、より短い軌跡を持つ局所的に一貫したシーケンスがより正確な再構成をもたらすことを確認した。
論文 参考訳(メタデータ) (2023-10-22T17:11:40Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-01T10:10:46Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳(メタデータ) (2023-06-06T18:01:08Z) - Deep Active Latent Surfaces for Medical Geometries [51.82897666576424]
形状先行は、ノイズや不完全なデータから3次元形状を再構成する際に有効であることが知られている。
本稿では,各頂点に別個の潜在ベクトルを持つ3次元メッシュの形状を表すハイブリッドアプローチを提案する。
推論のために、潜伏ベクトルは空間正規化制約を課しながら独立に更新される。
これにより、フレキシビリティと一般化能力の両方が得られ、いくつかの医療画像処理タスクで実演できることが示される。
論文 参考訳(メタデータ) (2022-06-21T10:33:32Z) - 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) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳(メタデータ) (2022-03-01T17:08:41Z) - Comprehensive Validation of Automated Whole Body Skeletal Muscle,
Adipose Tissue, and Bone Segmentation from 3D CT images for Body Composition
Analysis: Towards Extended Body Composition [0.6176955945418618]
ディープラーニングのような強力な人工知能のツールは、3D画像全体を分割し、すべての内部解剖の正確な測定を生成することができるようになった。
これにより、これまで存在した深刻なボトルネック、すなわち手動セグメンテーションの必要性の克服が可能になる。
これらの測定は不可能であったため、フィールドを非常に小さく限られたサブセットに制限した。
論文 参考訳(メタデータ) (2021-06-01T17:30:45Z) - Three-dimensional Segmentation of the Scoliotic Spine from MRI using
Unsupervised Volume-based MR-CT Synthesis [3.6273410177512275]
本研究では,無教師付き完全3次元(3次元)クロスモダリティ合成法を提案する。
3D CycleGANモデルはMR領域とCT領域にまたがるボリューム・ツー・ボリューム変換のために訓練される。
結果として生じるセグメンテーションは、脊椎の3次元モデルを再構成するために使用される。
論文 参考訳(メタデータ) (2020-11-25T18:34:52Z) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳(メタデータ) (2020-09-10T01:57:53Z) - A$^3$DSegNet: Anatomy-aware artifact disentanglement and segmentation
network for unpaired segmentation, artifact reduction, and modality
translation [18.500206499468902]
CBCT画像は, ノイズ, 組織コントラストの低下, 金属物の存在により, 品質が低く, 人工物が混入している。
脊椎のアノテーションを付加した、人工物のない高品質なCT画像が豊富に存在する。
CBCT椎体分割モデルの構築には, アノテーションを付加した未確認CT画像が有用である。
論文 参考訳(メタデータ) (2020-01-02T06:37:09Z)
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。