論文の概要: Automatic segmentation with detection of local segmentation failures in
cardiac MRI
- arxiv url: http://arxiv.org/abs/2011.07025v1
- Date: Fri, 13 Nov 2020 17:19:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-26 00:38:32.619820
- Title: Automatic segmentation with detection of local segmentation failures in
cardiac MRI
- Title(参考訳): 心筋MRIにおける局所セグメンテーション異常検出による自動セグメンテーション
- Authors: J\"org Sander, Bob D. de Vos and Ivana I\v{s}gum
- Abstract要約: 3つの最先端の畳み込みニューラルネットワーク(CNN)をトレーニングし、心臓解剖学的構造を自動的に分割した。
MICCAI 2017 ACDCチャレンジで公開されているCMRスキャンを用いて,CNNアーキテクチャとセグメンテーションにおける損失関数の影響を検討した。
自動セグメンテーションと検出されたセグメンテーション障害のシミュレートされた手動補正を組み合わせることで,統計的に有意な性能向上が得られた。
- 参考スコア(独自算出の注目度): 1.281734910003263
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Segmentation of cardiac anatomical structures in cardiac magnetic resonance
images (CMRI) is a prerequisite for automatic diagnosis and prognosis of
cardiovascular diseases. To increase robustness and performance of segmentation
methods this study combines automatic segmentation and assessment of
segmentation uncertainty in CMRI to detect image regions containing local
segmentation failures. Three state-of-the-art convolutional neural networks
(CNN) were trained to automatically segment cardiac anatomical structures and
obtain two measures of predictive uncertainty: entropy and a measure derived by
MC-dropout. Thereafter, using the uncertainties another CNN was trained to
detect local segmentation failures that potentially need correction by an
expert. Finally, manual correction of the detected regions was simulated. Using
publicly available CMR scans from the MICCAI 2017 ACDC challenge, the impact of
CNN architecture and loss function for segmentation, and the uncertainty
measure was investigated. Performance was evaluated using the Dice coefficient
and 3D Hausdorff distance between manual and automatic segmentation. The
experiments reveal that combining automatic segmentation with simulated manual
correction of detected segmentation failures leads to statistically significant
performance increase.
- Abstract(参考訳): 心臓磁気共鳴画像(CMRI)における心臓解剖学的構造の分離は、心臓血管疾患の自動診断と予後に必須である。
本研究は,CMRIにおけるセグメンテーションの自動分割とセグメンテーションの不確実性の評価を組み合わせて,局所セグメンテーション障害を含む画像領域を検出する。
3つの最先端畳み込みニューラルネットワーク(CNN)をトレーニングし、心臓解剖学的構造を自動的に分割し、エントロピーとMCドロップアウトによって導かれる2つの予測不確実性の測定値を得た。
その後、別のCNNが不確実性を利用して、専門家による修正を必要とする可能性のある局所的なセグメンテーション障害を検出するように訓練された。
最後に,検出領域の手動補正をシミュレートした。
MICCAI 2017 ACDC チャレンジで公開されている CMR スキャンを用いて,CNN アーキテクチャと損失関数のセグメンテーションへの影響,不確実性の測定を行った。
手動セグメンテーションと自動セグメンテーションのDice係数と3Dハウスドルフ距離を用いて評価した。
実験の結果, 自動セグメンテーションと検出されたセグメンテーション故障のシミュレーション手動補正を組み合わせることで, 統計的に有意な性能向上が得られた。
関連論文リスト
- Deep Learning for Multi-Level Detection and Localization of Myocardial Scars Based on Regional Strain Validated on Virtual Patients [0.14980193397844668]
我々は, 心筋疾患の基質をグローバル, 領域, セグメントレベルで予測するための単一の枠組みを提案する。
臨床標準ブルジー表現から多チャンネル2D画像への入力データの解剖学的意味の表現を提案する。
The Fully Convolutional Network (FCN) is trained to detect and localization myocardial scar from Regional left Venentricular (LV) strain pattern。
論文 参考訳(メタデータ) (2024-03-15T13:31:33Z) - Error correcting 2D-3D cascaded network for myocardial infarct scar
segmentation on late gadolinium enhancement cardiac magnetic resonance images [0.0]
完全自動で心筋梗塞の程度を計算できる2次元および3次元畳み込みニューラルネットワーク(CNN)のケースケードフレームワークを提案する。
EMIDECチャレンジのトレーニングデータセットを用いて,提案手法を5倍のクロスバリデーションで評価し,評価した。
論文 参考訳(メタデータ) (2023-06-26T14:21:18Z) - Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。
主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。
DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
論文 参考訳(メタデータ) (2023-01-01T05:02:46Z) - 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) - WSC-Trans: A 3D network model for automatic multi-structural
segmentation of temporal bone CT [5.821303529939008]
側頭骨CTにおける多構造目標の自動セグメンテーションのための3次元ネットワークモデルを提案する。
このアルゴリズムは特徴抽出のためにCNNとTransformerを組み合わせて,空間的注意とチャネル注意機構を活用し,セグメンテーション効果をさらに改善する。
論文 参考訳(メタデータ) (2022-11-14T06:44:37Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z) - Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical
Image Segmentation [92.9634065964963]
我々は、不確実性推定と個別の自己学習戦略に基づいて、新しい半教師付きセグメンテーションモデル、すなわち保守的ラディカルネットワーク(CoraNet)を提案する。
現在の技術と比較すると、ColaNetは優れたパフォーマンスを示しています。
論文 参考訳(メタデータ) (2021-10-17T08:49:33Z) - Segmentation of Cardiac Structures via Successive Subspace Learning with
Saab Transform from Cine MRI [29.894633364282555]
本研究では,適応バイアス(Saab)変換を用いた部分空間近似を用いた連続部分空間学習による機械学習モデルを提案する。
左心室,右心室,心筋のパラメータが200ドル以上で,最先端のU-Netモデルよりも優れた性能を示した。
論文 参考訳(メタデータ) (2021-07-22T14:50:48Z) - Estimating Uncertainty in Neural Networks for Cardiac MRI Segmentation:
A Benchmark Study [1.6222504666823843]
畳み込みニューラルネットワーク(cnns)は、心臓磁気共鳴画像の自動セグメンテーションにおいて有望である。
セグメンテーションの不確実性を定量化し、どのセグメンテーションが問題となるかを知ることが重要である。
論文 参考訳(メタデータ) (2020-12-31T17:46:52Z) - 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) - 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。