論文の概要: Automatic Ischemic Stroke Lesion Segmentation from Computed Tomography Perfusion Images by Image Synthesis and Attention-Based Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2007.03294v1
• Date: Tue, 7 Jul 2020 09:19:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 20:17:09.166461
• Title: Automatic Ischemic Stroke Lesion Segmentation from Computed Tomography Perfusion Images by Image Synthesis and Attention-Based Deep Neural Networks
• Title（参考訳）: 画像合成と注意に基づくディープニューラルネットワークによるct灌流画像からの脳梗塞病変の自動分割
• Authors: Guotai Wang, Tao Song, Qiang Dong, Mei Cui, Ning Huang, Shaoting Zhang
• Abstract要約: 急性期脳梗塞の正確な診断には脳卒中病変の分節が重要である。 低画像コントラストと拡散パラメータマップの分解能に挑戦する。 拡散パラメータマップから合成擬似重み画像に基づくフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 15.349968422713218
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ischemic stroke lesion segmentation from Computed Tomography Perfusion (CTP) images is important for accurate diagnosis of stroke in acute care units. However, it is challenged by low image contrast and resolution of the perfusion parameter maps, in addition to the complex appearance of the lesion. To deal with this problem, we propose a novel framework based on synthesized pseudo Diffusion-Weighted Imaging (DWI) from perfusion parameter maps to obtain better image quality for more accurate segmentation. Our framework consists of three components based on Convolutional Neural Networks (CNNs) and is trained end-to-end. First, a feature extractor is used to obtain both a low-level and high-level compact representation of the raw spatiotemporal Computed Tomography Angiography (CTA) images. Second, a pseudo DWI generator takes as input the concatenation of CTP perfusion parameter maps and our extracted features to obtain the synthesized pseudo DWI. To achieve better synthesis quality, we propose a hybrid loss function that pays more attention to lesion regions and encourages high-level contextual consistency. Finally, we segment the lesion region from the synthesized pseudo DWI, where the segmentation network is based on switchable normalization and channel calibration for better performance. Experimental results showed that our framework achieved the top performance on ISLES 2018 challenge and: 1) our method using synthesized pseudo DWI outperformed methods segmenting the lesion from perfusion parameter maps directly; 2) the feature extractor exploiting additional spatiotemporal CTA images led to better synthesized pseudo DWI quality and higher segmentation accuracy; and 3) the proposed loss functions and network structure improved the pseudo DWI synthesis and lesion segmentation performance.
• Abstract（参考訳）: Computed Tomography Perfusion (CTP) 画像からの虚血性脳梗塞の分画は急性期脳梗塞の正確な診断に重要である。 しかし,画像の低コントラストと灌流パラメータマップの分解能に加えて,病変の複雑な出現も問題視されている。 この問題に対処するために,拡散パラメータマップから合成擬似拡散強調画像(DWI)をベースとした新しいフレームワークを提案し,より正確なセグメンテーションを実現する。 我々のフレームワークは、畳み込みニューラルネットワーク(CNN)に基づく3つのコンポーネントで構成され、エンドツーエンドで訓練されている。 まず、特徴抽出器を用いて、生時空間ct血管造影(cta)画像の低レベルおよび高レベルなコンパクト表現を得る。 第2に、擬似DWI生成器は、CTP灌流パラメータマップと抽出された特徴の連結を入力として、合成された擬似DWIを得る。 より優れた合成品質を実現するために,病変領域に注意を払い,高レベルの文脈整合性を促進するハイブリッド損失関数を提案する。 最後に, 合成擬似DWIから病変領域を分割し, セグメンテーションネットワークはスイッチ可能な正規化とチャネルキャリブレーションに基づいて, より良い性能を実現する。 実験の結果,当社のフレームワークは,isles 2018 challengeでトップパフォーマンスを達成した。 1) 灌流パラメータマップから直接病変を分別する合成擬似DWI法を用いた方法。 2)追加の時空間CTA画像を利用した特徴抽出器は、より優れた合成擬似DWI品質と高いセグメンテーション精度を実現した。 3)提案した損失関数とネットワーク構造は擬似DWI合成と病変分割性能を改善した。

関連論文リスト

• Deformation-aware GAN for Medical Image Synthesis with Substantially Misaligned Pairs [0.0]
  本稿では,逆整合性に基づく画像合成における誤りを動的に補正する新しい変形認識型GAN(DA-GAN)を提案する。 実験の結果, DA-GANは, 呼吸運動異常を伴う実世界の肺MRI-CTデータセットと模擬誤診を伴う公共データセットにおいて, 優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-18T10:29:35Z)
• Neurovascular Segmentation in sOCT with Deep Learning and Synthetic Training Data [4.5276169699857505]
  本研究は, 連続断面光コヒーレンストモグラフィー画像における神経血管セグメンテーションのための合成エンジンについて述べる。 提案手法は,ラベル合成とラベル・ツー・イメージ変換の2段階からなる。 前者の有効性を,より現実的なトレーニングラベルの集合と比較し,後者を合成ノイズと人工物モデルのアブレーション研究により実証した。
  論文  参考訳（メタデータ） (2024-07-01T16:09:07Z)
• Channel Attention Separable Convolution Network for Skin Lesion Segmentation [2.8636163472272576]
  皮膚病変分割のための新しいネットワークであるChannel Attention Separable Convolution Network (CASCN)を提案する。 CASCNは、Dice係数が0.9461で精度が0.9645であるPH2データセットの最先端性能を達成する。
  論文  参考訳（メタデータ） (2023-09-03T04:20:28Z)
• DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
  DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。 動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
  論文  参考訳（メタデータ） (2023-05-15T18:19:29Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• Cascaded Robust Learning at Imperfect Labels for Chest X-ray Segmentation [61.09321488002978]
  不完全アノテーションを用いた胸部X線分割のための新しいカスケードロバスト学習フレームワークを提案する。 モデルは3つの独立したネットワークから成り,ピアネットワークから有用な情報を効果的に学習できる。 提案手法は,従来の手法と比較して,セグメント化タスクの精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2021-04-05T15:50:16Z)
• 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)

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。