論文の概要: Multi-Modality Pathology Segmentation Framework: Application to Cardiac
Magnetic Resonance Images
- arxiv url: http://arxiv.org/abs/2008.05780v1
- Date: Thu, 13 Aug 2020 09:57:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-30 23:49:37.370469
- Title: Multi-Modality Pathology Segmentation Framework: Application to Cardiac
Magnetic Resonance Images
- Title（参考訳）: 多モード病理分類フレームワーク:心臓磁気共鳴画像への応用
- Authors: Zhen Zhang, Chenyu Liu, Wangbin Ding, Sihan Wang, Chenhao Pei,
Mingjing Yang, Liqin Huang
- Abstract要約: 本研究は,多モードCMR画像に基づく自動カスケード診断セグメンテーションフレームワークを提案する。
主に、解剖学的構造セグメンテーションネットワーク(ASSN)と病理学的領域セグメンテーションネットワーク(PRSN)の2つのニューラルネットワークで構成されている。
- 参考スコア（独自算出の注目度）: 3.5354617056939874
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-sequence of cardiac magnetic resonance (CMR) images can provide
complementary information for myocardial pathology (scar and edema). However,
it is still challenging to fuse these underlying information for pathology
segmentation effectively. This work presents an automatic cascade pathology
segmentation framework based on multi-modality CMR images. It mainly consists
of two neural networks: an anatomical structure segmentation network (ASSN) and
a pathological region segmentation network (PRSN). Specifically, the ASSN aims
to segment the anatomical structure where the pathology may exist, and it can
provide a spatial prior for the pathological region segmentation. In addition,
we integrate a denoising auto-encoder (DAE) into the ASSN to generate
segmentation results with plausible shapes. The PRSN is designed to segment
pathological region based on the result of ASSN, in which a fusion block based
on channel attention is proposed to better aggregate multi-modality information
from multi-modality CMR images. Experiments from the MyoPS2020 challenge
dataset show that our framework can achieve promising performance for
myocardial scar and edema segmentation.
- Abstract（参考訳）: 多発性心磁気共鳴(CMR)画像は、心筋病理(scar, edema)の相補的な情報を提供することができる。
しかし, 病理学のセグメンテーションの基盤となる情報を効果的に融合させることは依然として困難である。
本稿では,マルチモダリティcmr画像に基づく自動カスケード病理セグメンテーションフレームワークを提案する。
主に、解剖学的構造セグメンテーションネットワーク(ASSN)と病理学的領域セグメンテーションネットワーク(PRSN)の2つのニューラルネットワークで構成されている。
具体的には、ASSNは、病理が存在する可能性のある解剖学的構造を分断することを目的としており、病理領域の分断に先立って空間を提供することができる。
さらに,ASSNにDAE(Denoising Auto-Encoder)を組み込んで,可塑性形状のセグメンテーション結果を生成する。
PRSNはASSNの結果に基づいて病理領域を分割するように設計されており,多モードCMR画像からの多モード情報をよりよく集約するために,チャネルアテンションに基づく融合ブロックを提案する。
myoPS2020 チャレンジデータセットを用いて実験したところ,心筋の傷や浮腫のセグメンテーションに有望な性能が得られた。
関連論文リスト
- K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - Two-stage MR Image Segmentation Method for Brain Tumors based on
Attention Mechanism [27.08977505280394]
CycleGAN(CycleGAN)に基づく協調・空間的注意生成対向ネットワーク(CASP-GAN)を提案する。
ジェネレータの性能は、コーディネート・アテンション(CA)モジュールと空間アテンション(SA)モジュールを導入することで最適化される。
元の医用画像の構造情報と詳細な情報を抽出する能力は、所望の画像をより高品質に生成するのに役立つ。
論文 参考訳（メタデータ） (2023-04-17T08:34:41Z) - 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) - 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) - MyoPS-Net: Myocardial Pathology Segmentation with Flexible Combination
of Multi-Sequence CMR Images [21.671773978257253]
我々はMyoPS-Netと呼ばれるエンド・ツー・エンドのディープ・ニューラルネットワークを開発し、MyoPSのための5シーケンス心磁気共鳴(CMR)画像を柔軟に組み合わせた。
正確かつ適切な情報を抽出するために,クロスモーダルな特徴を抽出・融合する効果的かつフレキシブルなアーキテクチャを設計する。
その結果,MyoPS-Netの優位性と一般化性が証明され,さらに臨床的に有用であることが示唆された。
論文 参考訳（メタデータ） (2022-11-06T08:46:24Z) - AWSnet: An Auto-weighted Supervision Attention Network for Myocardial
Scar and Edema Segmentation in Multi-sequence Cardiac Magnetic Resonance
Images [23.212429566838203]
マルチシーケンスCMRデータから傷痕と浮腫のセグメンテーションに取り組むための,新しい自動重み付け監視フレームワークを開発した。
また, より小さな心筋病変領域の分画を, 形状の事前知識で促進する, 粗大から細大の枠組みを設計した。
マルチシーケンスCMRデータを用いた心筋病理診断の進歩に期待できる。
論文 参考訳（メタデータ） (2022-01-14T08:59:54Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳（メタデータ） (2022-01-10T06:37:23Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - Anatomy Prior Based U-net for Pathology Segmentation with Attention [11.266069499113966]
本稿では,U-netセグメンテーションネットワークとアテンション手法を組み合わせた,解剖学的事前ベースフレームワークを提案する。
本研究では, 心筋と心筋梗塞と非リフロー領域の包含関係を評価するため, 近所のペナルティ戦略を提案する。
その結果,本フレームワークは病理領域のセグメンテーションに有効であることが示唆された。
論文 参考訳（メタデータ） (2020-11-17T16:52:29Z) - Max-Fusion U-Net for Multi-Modal Pathology Segmentation with Attention
and Dynamic Resampling [13.542898009730804]
関連するアルゴリズムの性能は、マルチモーダル情報の適切な融合によって大きく影響を受ける。
We present the Max-Fusion U-Net that achieve a improve pathology segmentation performance。
マルチシーケンスCMRデータセットを併用したMyoPS(Myocardial pathology segmentation)を用いて,本手法の評価を行った。
論文 参考訳（メタデータ） (2020-09-05T17:24:23Z) - 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)
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。