論文の概要: A weakly supervised registration-based framework for prostate segmentation via the combination of statistical shape model and CNN

• arxiv url: http://arxiv.org/abs/2007.11726v2
• Date: Thu, 30 Jul 2020 06:53:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 12:56:06.989576
• Title: A weakly supervised registration-based framework for prostate segmentation via the combination of statistical shape model and CNN
• Title（参考訳）: 統計的形状モデルとCNNの組み合わせによる前立腺分割のための弱教師付き登録ベースフレームワーク
• Authors: Chunxia Qin, Xiaojun Chen, Jocelyne Troccaz
• Abstract要約: 前立腺の精密なセグメンテーションのための弱教師付き登録ベースフレームワークを提案する。 モデル変換, 形状制御パラメータ, 微調整ベクトルを予測するために, インセプションベースニューラルネットワーク(SSM-Net)を用いた。 入力画像から確率ラベルマップを予測するために残留U-net(ResU-Net)を用いた。
• 参考スコア（独自算出の注目度）: 4.404555861424138
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Precise determination of target is an essential procedure in prostate interventions, such as the prostate biopsy, lesion detection and targeted therapy. However, the prostate delineation may be tough in some cases due to tissue ambiguity or lack of partial anatomical boundary. To address this problem, we proposed a weakly supervised registration-based framework for the precise prostate segmentation, by combining convolutional neural network (CNN) with statistical shape model (SSM). To obtain the prostate region, an inception-based neural network (SSM-Net) was firstly exploited to predict the model transform, shape control parameters and a fine-tuning vector, for the generation of prostate boundary. According to the inferred boundary, a normalized distance map was calculated. Then, a residual U-net (ResU-Net) was employed to predict a probability label map from the input images. Finally, the average of the distance map and the probability map was regarded as the prostate segmentation. After that, two public dataset PROMISE12 and NCI- ISBI 2013 were utilized for the model computation and for the network training and testing. The validation results demonstrate that the segmentation framework using a SSM with 9500 nodes achieved the best performance, with a dice of 0.904 and an average surface distance of 1.88 mm. In addition, we verified the impact of model elasticity augmentation and fine-tuning item on the network segmentation capability. As a result, both factors have improved the delineation accuracy, with dice increased by 10% and 7% respectively. In conclusion, via the combination of two weakly supervised neural networks, our segmentation method might be an effective and robust approach for prostate segmentation.
• Abstract（参考訳）: 標的の正確な決定は、前立腺生検、病変検出、標的治療などの前立腺介入において必須の手順である。 しかし前立腺の脱線は組織の曖昧さや部分解剖学的境界の欠如により困難である場合もある。 そこで我々は,畳み込みニューラルネットワーク (CNN) と統計的形状モデル (SSM) を組み合わせた,精密前立腺分割のための弱制御型登録ベースフレームワークを提案する。 前立腺領域を得るためには,まずinception-based neural network(ssm-net)を用いて,前立腺境界生成のためのモデル変換,形状制御パラメータ,微調整ベクトルの予測を行った。 推定境界により,正規化距離マップが算出された。 そして、残差U-net(ResU-Net)を用いて、入力画像から確率ラベルマップを予測する。 最後に, 距離マップと確率マップの平均を前立腺セグメンテーションとして検討した。 その後、2つのパブリックデータセット PROMISE12 と NCI-ISBI 2013 がモデル計算とネットワークトレーニングとテストに使用された。 検証の結果,9500ノードのssmを用いたセグメンテーションフレームワークが,0.904サイクリング,平均表面距離1.88mmで最高の性能を達成した。 さらに,モデルの弾力性向上と細調整項目がネットワークセグメンテーション能力に及ぼす影響を検証した。 その結果,両因子ともdelineation精度が向上し,diceはそれぞれ10%,7%増加した。 結論として, 2つの弱教師付きニューラルネットワークの組み合わせにより, このセグメンテーション手法は, 前立腺セグメンテーションに対して効果的かつ頑健なアプローチとなるかもしれない。

関連論文リスト

• MPCNN: A Novel Matrix Profile Approach for CNN-based Sleep Apnea Classification [0.0]
  睡眠時無呼吸症(SA)は、世界的な健康問題を引き起こす重要な呼吸器疾患である。 心電図(ECG)に基づくSA診断における,いくつかの機械学習モデルとディープラーニングモデルについて検討した。 本稿では,心電図信号の包括的セグメントを深く掘り下げることで,この診断ギャップに対処する革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-11-25T14:39:12Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• MicroSegNet: A Deep Learning Approach for Prostate Segmentation on Micro-Ultrasound Images [10.10595151162924]
  マイクロ超音波(micro-US)は、従来の超音波の3.4倍の高分解能を提供する新しい29MHz超音波技術である。 前立腺のミクロ-USへの分節は、中線における前立腺、膀胱、尿道間の人工物と不明瞭な境界のために困難である。 本稿では,これらの課題に対処するために設計されたマルチスケールアノテーション誘導変換器UNetモデルであるMicroSegNetを提案する。
  論文  参考訳（メタデータ） (2023-05-31T15:42:29Z)
• Comparative analysis of deep learning approaches for AgNOR-stained cytology samples interpretation [52.77024349608834]
  本稿では, 深層学習手法を用いて, 好気性ヌクレオラオーガナイザ領域 (AgNOR) 染色スライダを解析する方法を提案する。 以上の結果から,バックボーンとしてResNet-18やResNet-34を用いたU-Netを用いたセマンティックセマンティックセマンティックセマンティクスは類似した結果を示す。 最も優れたモデルは、それぞれ0.83、0.92、0.99の核、クラスター、衛星のIoUを示す。
  論文  参考訳（メタデータ） (2022-10-19T15:15:32Z)
• Automatic Segmentation of the Prostate on 3D Trans-rectal Ultrasound Images using Statistical Shape Models and Convolutional Neural Networks [3.9121134770873733]
  本稿では,畳み込みニューラルネットワーク(CNN)と統計的形状モデル(SSM)を用いて,経直腸超音波(TRUS)画像のデータセット上に前立腺を分割することを提案する。 TRUSは軟組織コントラストが限られており、前立腺のセグメンテーションが困難である。
  論文  参考訳（メタデータ） (2021-06-17T17:11:53Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
  睡眠障害は、世界中の主要な病気の1つです。 専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。 専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
  論文  参考訳（メタデータ） (2021-03-30T09:59:56Z)
• 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)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)
• Deep Learning Based Detection and Localization of Intracranial Aneurysms in Computed Tomography Angiography [5.973882600944421]
  初期動脈瘤検出のための3D領域提案ネットワークと偽陽性縮小のための3D DenseNetという2段階モデルが実装された。 本モデルでは,0.25FPPV,最高F-1スコアと比較すると,統計的に高い精度,感度,特異性を示した。
  論文  参考訳（メタデータ） (2020-05-22T10:49:23Z)

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。