論文の概要: Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs

• arxiv url: http://arxiv.org/abs/2008.02001v1
• Date: Wed, 5 Aug 2020 08:49:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 18:37:50.343053
• Title: Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs
• Title（参考訳）: Attention-Guided Two-Path CNN を用いた多発性硬化性病変活動分離
• Authors: Nils Gessert, Julia Kr\"uger, Roland Opfer, Ann-Christin Ostwaldt, Praveena Manogaran, Hagen H. Kitzler, Sven Schippling, Alexander Schlaefer
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 49.32653090178743
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multiple sclerosis is an inflammatory autoimmune demyelinating disease that is characterized by lesions in the central nervous system. Typically, magnetic resonance imaging (MRI) is used for tracking disease progression. Automatic image processing methods can be used to segment lesions and derive quantitative lesion parameters. So far, methods have focused on lesion segmentation for individual MRI scans. However, for monitoring disease progression, \textit{lesion activity} in terms of new and enlarging lesions between two time points is a crucial biomarker. For this problem, several classic methods have been proposed, e.g., using difference volumes. Despite their success for single-volume lesion segmentation, deep learning approaches are still rare for lesion activity segmentation. In this work, convolutional neural networks (CNNs) are studied for lesion activity segmentation from two time points. For this task, CNNs are designed and evaluated that combine the information from two points in different ways. In particular, two-path architectures with attention-guided interactions are proposed that enable effective information exchange between the two time point's processing paths. It is demonstrated that deep learning-based methods outperform classic approaches and it is shown that attention-guided interactions significantly improve performance. Furthermore, the attention modules produce plausible attention maps that have a masking effect that suppresses old, irrelevant lesions. A lesion-wise false positive rate of 26.4% is achieved at a true positive rate of 74.2%, which is not significantly different from the interrater performance.
• Abstract（参考訳）: 多発性硬化症は炎症性自己免疫性脱髄疾患であり、中枢神経系の病変を特徴とする。 通常、MRI(MRI)は疾患の進行を追跡するために用いられる。 自動画像処理は、病変を区分し、定量的な病変パラメータを導出するために使用できる。 これまで、個々のMRIスキャンの病変分割に焦点をあててきた。 しかし、疾患の進行をモニターするには、2つの時点間の新しい病変と拡大病変の観点から、 \textit{lesion activity} が重要なバイオマーカーである。 この問題に対して、差分ボリュームなど、いくつかの古典的な方法が提案されている。 単一体積病変セグメンテーションの成功にもかかわらず、深層学習アプローチはいまだに病変活動セグメンテーションにおいて稀である。 本研究では,2つの時点からの病変活動分節について畳み込みニューラルネットワーク(cnns)について検討した。 このタスクのために、CNNは2つのポイントからの情報を異なる方法で組み合わせて設計、評価する。 特に,2つの時間点の処理経路間の効果的な情報交換を可能にする,注目誘導相互作用を持つ2経路アーキテクチャを提案する。 深層学習に基づく手法は従来の手法よりも優れており,注意誘導相互作用により性能が著しく向上することが示されている。 さらに、アテンションモジュールは、古い無関係な病変を抑えるマスク効果を有する可塑性アテンションマップを生成する。 病変側偽陽性率は26.4%で、真の陽性率は74.2%であり、これはインターラッター性能と大きく異なるものではない。

関連論文リスト

• Longitudinal Segmentation of MS Lesions via Temporal Difference Weighting [2.0168790328644697]
  本稿では,ベースラインとフォローアップスキャンの時間的差を,差分重みブロックと呼ばれるユニークなアーキテクチャ的帰納バイアスによって明示的に取り込む新しい手法を提案する。 本研究は,2つのデータセットにまたがる最先端の縦・単点モデルと比較して,病変のセグメンテーションおよび病変検出において優れたスコアを得る。
  論文  参考訳（メタデータ） (2024-09-20T11:30:54Z)
• Meta-Analysis of Transfer Learning for Segmentation of Brain Lesions [0.0]
  3次元磁気共鳴(MR)画像からの脳卒中病変の手動分割は、現在の金標準である。 転写学習(TL)と混合データアプローチを用いて訓練した8種類の2次元モデルアーキテクチャを用いて,脳卒中病変の完全自動セグメンテーション手法の実装と試験を行った。 クロスバリデーションの結果,新しい手法は,地中真実と比較して高速かつ高精度に病変を分割できることがわかった。
  論文  参考訳（メタデータ） (2023-06-20T17:42:30Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated Learning [92.91544082745196]
  フェデレートラーニング(FL)は医用画像解析に広く用いられている。 FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。 2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-03T14:06:03Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• 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)
• 4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
  我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。 提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
  論文  参考訳（メタデータ） (2020-04-20T11:41:01Z)
• Weakly-Supervised Lesion Segmentation on CT Scans using Co-Segmentation [18.58056402884405]
  CTスキャンにおける病変分割は,病変・腫瘍の進展を正確に観察するための重要なステップである。 現在の慣行は、固形腫瘍の反応評価基準と呼ばれる不正確な代用に依存している。 本稿では,畳み込みニューラルネットワークを用いた弱教師付き病変分割法を提案する。
  論文  参考訳（メタデータ） (2020-01-23T15:15:53Z)
• Spinal Metastases Segmentation in MR Imaging using Deep Convolutional Neural Networks [0.0]
  本研究の目的は,深層学習を用いた診断MR画像における脊髄転移の分節化である。 U-Net様アーキテクチャを用いて40例の臨床検査を行った。 専門的な注釈付き病変のセグメンテーションと比較すると、Diceの平均スコアは77.6%、平均感度は78.9%という有望な結果を得た。
  論文  参考訳（メタデータ） (2020-01-08T10:59:31Z)

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。