Fugu-MT 論文翻訳(概要): Segmentation of the Left Ventricle by SDD double threshold selection and CHT

論文の概要: Segmentation of the Left Ventricle by SDD double threshold selection and CHT

arxiv url: http://arxiv.org/abs/2007.10665v2
Date: Fri, 7 Jul 2023 10:36:17 GMT
ステータス: 処理完了
システム内更新日: 2023-07-10 16:22:06.576230
Title: Segmentation of the Left Ventricle by SDD double threshold selection and CHT
Title（参考訳）: SDD二重閾値選択とCHTによる左室の分画
Authors: ZiHao Wang and ZhenZhou Wang
Abstract要約: 傾斜差分分布(SDD)二重閾値選択と円形ハフ変換(CHT)に基づくロバストなLVセグメンテーション法を提案する。提案手法は, 自動心臓診断チャレンジ(ACDC)テストセットにおいて96.51%のDICEスコアを得た。
参考スコア（独自算出の注目度）: 18.104323389381126
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automatic and robust segmentation of the left ventricle (LV) in magnetic resonance images (MRI) has remained challenging for many decades. With the great success of deep learning in object detection and classification, the research focus of LV segmentation has changed to convolutional neural network (CNN) in recent years. However, LV segmentation is a pixel-level classification problem and its categories are intractable compared to object detection and classification. In this paper, we proposed a robust LV segmentation method based on slope difference distribution (SDD) double threshold selection and circular Hough transform (CHT). The proposed method achieved 96.51% DICE score on the test set of automated cardiac diagnosis challenge (ACDC) which is higher than the best accuracy reported in recently published literatures.
Abstract（参考訳）: 磁気共鳴画像(MRI)における左室(LV)の自動的,頑健なセグメンテーションは,長年にわたって困難であった。物体検出と分類におけるディープラーニングの成功により、近年、lvセグメンテーションの研究焦点は畳み込みニューラルネットワーク(cnn)へと変化している。しかし、LVセグメンテーションはピクセルレベルの分類問題であり、そのカテゴリは物体の検出や分類と比較して難解である。本稿では,勾配差分分布(SDD)二重閾値選択と円形ハフ変換(CHT)に基づくロバストなLVセグメンテーション手法を提案する。提案手法は,最近発表された文献で報告された最良精度よりも高いacdc(automated heart diagnostic challenge)テストセットにおいて96.51%diceスコアを得た。

関連論文リスト

Two-Phase Segmentation Approach for Accurate Left Ventricle Segmentation in Cardiac MRI using Machine Learning [0.8521378010565595]
この研究の中心的な課題は、3種類のLVスライスに適用されるパラメータのセットが存在しないことである。この問題に対処するために,LVセグメンテーションを強化する新しい手法を提案する。提案手法はスライスの種類ごとに異なるパラメータの集合を用いており、結果として2相分割法が成立する。
論文参考訳（メタデータ） (2024-07-29T19:26:24Z)
SimLVSeg: Simplifying Left Ventricular Segmentation in 2D+Time Echocardiograms with Self- and Weakly-Supervised Learning [0.8672882547905405]
狭義の心エコービデオから一貫した左室(LV)セグメンテーションを行うビデオベースネットワークであるSimLVSegを開発した。 SimLVSegは、時間的マスキングによる自己教師付き事前トレーニングと、スパースアノテーションからのLVセグメンテーションに適した弱い教師付き学習で構成されている。我々は、SimLVSegが、最大の2D+時間心エコー画像データセットで93.32%のダイススコアを達成して、最先端のソリューションをいかに優れているかを実証する。
論文参考訳（メタデータ） (2023-09-30T18:13:41Z)
Segmentation method for cerebral blood vessels from MRA using hysteresis [1.6516902135723863]
我々は,磁気共鳴血管造影法により,血管の真実を生成する古典的セグメンテーション法を開発した。この方法は、サイズ固有のヘッセンフィルタ、DL閾値、接続されたコンポーネント補正を組み合わせたものである。 GitHubで入手可能なこのメソッドは、コンテナセグメンテーションのためのDLモデルをトレーニングするために使用することができる。
論文参考訳（メタデータ） (2023-03-09T08:34:21Z)
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)
COVID-19 Detection Using Segmentation, Region Extraction and Classification Pipeline [0.0]
本研究の目的は,大規模かつ困難なCT画像データベースから新型コロナウイルス検出用パイプラインを開発することである。セグメンテーション部で試みられた方法論は、UNetベースの手法と同様に伝統的なセグメンテーション法である。分類部では、最終診断決定を行うために、コナールニューラルネットワーク(CNN)が使用された。
論文参考訳（メタデータ） (2022-10-06T15:34:29Z)
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 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)
Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。深層学習に基づく手法が古典的アプローチより優れていることが実証された。
論文参考訳（メタデータ） (2020-08-05T08:49:20Z)
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)
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)
Development of a Machine-Learning System to Classify Lung CT Scan Images into Normal/COVID-19 Class [5.018008985074939]
本研究は,CTスキャンスライス(CTS)を用いた感染検出のためのMLS(Machine-Learning-System)を提案することを目的とする。このMLSは、マルチスレッディング、しきい値フィルタを用いた画像分離、特徴抽出、特徴選択、特徴融合、分類などの一連の手法を実装している。
論文参考訳（メタデータ） (2020-04-24T14:52:08Z)

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。