論文の概要: Ricci Curvature Based Volumetric Segmentation of the Auditory Ossicles
- arxiv url: http://arxiv.org/abs/2006.14788v3
- Date: Wed, 2 Mar 2022 10:09:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 22:07:32.134261
- Title: Ricci Curvature Based Volumetric Segmentation of the Auditory Ossicles
- Title（参考訳）: リッチ曲率に基づく耳小骨の体積分割
- Authors: Na Lei, Jisui Huang, Yuxue Ren, Emil Saucan, Zhenchang Wang
- Abstract要約: 中耳に位置する耳小骨は、人体の最小の骨である。
CT(Computed Tomography)3D画像に基づいて,オシクルの疾患を自動的に診断できることが重要である。
テンプレートも手動ラベルも不要なオシクルを見つけるための,完全に自動的な手法を提案する。
- 参考スコア（独自算出の注目度）: 3.391374411246527
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The auditory ossicles that are located in the middle ear are the smallest
bones in the human body. Their damage will result in hearing loss. It is
therefore important to be able to automatically diagnose ossicles' diseases
based on Computed Tomography (CT) 3D imaging. However CT images usually include
the whole head area, which is much larger than the bones of interest, thus the
localization of the ossicles, followed by segmentation, both play a significant
role in automatic diagnosis. The commonly employed local segmentation methods
require manually selected initial points, which is a highly time consuming
process. We therefore propose a completely automatic method to locate the
ossicles which requires neither templates, nor manual labels. It relies solely
on the connective properties of the auditory ossicles themselves, and their
relationship with the surrounding tissue fluid. For the segmentation task, we
define a novel energy function and obtain the shape of the ossicles from the 3D
CT image by minimizing this new energy. Compared to the state-of-the-art
methods which usually use the gradient operator and some normalization terms,
we propose to add a Ricci curvature term to the commonly employed energy
function. We compare our proposed method with the state-of-the-art methods and
show that the performance of discrete Forman-Ricci curvature is superior to the
others.
- Abstract（参考訳）: 中耳に位置する耳小骨は、人体の最小の骨である。
彼らの損傷は聴力を失います。
そのため,ct(ct)3次元画像を用いて骨盤疾患を自動的に診断することが重要である。
しかしCT画像は、通常、骨よりもはるかに大きい頭部領域全体を包含しているため、骨の局在が続き、セグメンテーションも自動診断において重要な役割を担っている。
一般的に使われている局所分節法は、手動で選択した初期点を必要とする。
そこで我々は,テンプレートやマニュアルラベルを必要としないossiclesの完全自動検出手法を提案する。
聴覚オシクル自体の結合特性と周囲の組織液との関係にのみ依存する。
セグメンテーションタスクでは,新しいエネルギー関数を定義し,このエネルギーを最小化することで3次元ct画像からオシクルの形状を得る。
グラデーション演算子や正規化項を通常使用する最先端の手法と比較し,一般的なエネルギー関数にリッチ曲率項を追加することを提案する。
提案手法を最先端手法と比較し,離散型forman-ricci曲率の性能が他の手法よりも優れていることを示す。
関連論文リスト
- Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。
代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。
不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
論文 参考訳（メタデータ） (2024-01-31T21:05:34Z) - 3D Teeth Reconstruction from Panoramic Radiographs using Neural Implicit
Functions [6.169259577480194]
Occudentは神経暗黙機能を用いたパノラマX線写真からの3次元歯の再構築のための枠組みである。
合成画像を用いた最近の研究とは異なる、実際のパノラマラジオグラフィーを入力として訓練し、検証する。
論文 参考訳（メタデータ） (2023-11-28T05:06:22Z) - Non-rigid Point Cloud Registration for Middle Ear Diagnostics with
Endoscopic Optical Coherence Tomography [1.7970627394606764]
中耳感染症は、特に小児において最も多い炎症性疾患である。
そこで我々は,C2P-Netを提案する。C2P-Netは点雲のための2段階の非剛性登録パイプラインで,インビビオノイズと部分的なCT画像の解釈を支援する。
論文 参考訳（メタデータ） (2023-04-26T15:20:48Z) - Self-supervised Registration and Segmentation of the Ossicles with A
Single Ground Truth Label [1.6244541005112747]
本稿では,アトラスとターゲット画像の間の密度変形場を生成する,自己教師型3D-UNetを用いた新しい手法を提案する。
以上の結果から,本手法は従来の画像分割法より優れ,オシクルの周囲により正確な境界が生じることがわかった。
論文 参考訳（メタデータ） (2023-02-15T22:11:31Z) - Radiomics-Guided Global-Local Transformer for Weakly Supervised
Pathology Localization in Chest X-Rays [65.88435151891369]
Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。
RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
論文 参考訳（メタデータ） (2022-07-10T06:32:56Z) - 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) - Explainable multiple abnormality classification of chest CT volumes with
AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。
本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。
そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文 参考訳（メタデータ） (2021-11-24T01:14:33Z) - Label-set Loss Functions for Partial Supervision: Application to Fetal
Brain 3D MRI Parcellation [4.097894622001556]
ラベル集合損失関数の最初の公理的定義を提案する。
完全分割画像に対する古典的損失関数を適切なラベルセット損失関数に変換する方法は1つと1つしかないことを示す。
今回我々は, 胎児脳の3次元MRIセグメント化のための部分教師あり学習法として, リーフ・ディース・ロス法を新たに導入した。
論文 参考訳（メタデータ） (2021-07-08T13:53:56Z) - FocusNetv2: Imbalanced Large and Small Organ Segmentation with
Adversarial Shape Constraint for Head and Neck CT Images [82.48587399026319]
organ-at-risk (oars) は、健康な臓器の損傷を避けるために放射線治療計画において重要なステップである。
本研究では,この課題を解決するために,2段階の深層ニューラルネットワークであるFocusNetv2を提案する。
従来のFocusNetに加えて,小臓器に新たな対角的形状制約を導入し,推定小臓器形状と臓器形状との整合性を確保する。
論文 参考訳（メタデータ） (2021-04-05T04:45:31Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳（メタデータ） (2020-10-19T13:56:22Z) - 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)
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。