論文の概要: Learning Tubule-Sensitive CNNs for Pulmonary Airway and Artery-Vein Segmentation in CT

• arxiv url: http://arxiv.org/abs/2012.05767v5
• Date: Thu, 25 Feb 2021 08:22:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-15 14:06:54.609263
• Title: Learning Tubule-Sensitive CNNs for Pulmonary Airway and Artery-Vein Segmentation in CT
• Title（参考訳）: CTにおける肺気道および動脈-静脈分画に対するTubule-Sensitive CNNの学習
• Authors: Yulei Qin, Hao Zheng, Yun Gu, Xiaolin Huang, Jie Yang, Lihui Wang, Feng Yao, Yue-Min Zhu, Guang-Zhong Yang
• Abstract要約: 肺気道,動脈,静脈の分節に対する畳み込みニューラルネットワーク(CNN)の訓練は困難である。 コントラスト非造影CTにおいて,CNNによる正確な気道および動脈静脈分画法を提案する。 細気管支、動脈、静脈に対して優れた感受性を有する。
• 参考スコア（独自算出の注目度）: 45.93021999366973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Training convolutional neural networks (CNNs) for segmentation of pulmonary airway, artery, and vein is challenging due to sparse supervisory signals caused by the severe class imbalance between tubular targets and background. We present a CNNs-based method for accurate airway and artery-vein segmentation in non-contrast computed tomography. It enjoys superior sensitivity to tenuous peripheral bronchioles, arterioles, and venules. The method first uses a feature recalibration module to make the best use of features learned from the neural networks. Spatial information of features is properly integrated to retain relative priority of activated regions, which benefits the subsequent channel-wise recalibration. Then, attention distillation module is introduced to reinforce representation learning of tubular objects. Fine-grained details in high-resolution attention maps are passing down from one layer to its previous layer recursively to enrich context. Anatomy prior of lung context map and distance transform map is designed and incorporated for better artery-vein differentiation capacity. Extensive experiments demonstrated considerable performance gains brought by these components. Compared with state-of-the-art methods, our method extracted much more branches while maintaining competitive overall segmentation performance. Codes and models are available at http://www.pami.sjtu.edu.cn/News/56
• Abstract（参考訳）: 肺気道,動脈,静脈のセグメンテーションのための畳み込みニューラルネットワーク(CNN)の訓練は,管状目標と背景との重度の階級的不均衡によって引き起こされる疎い監督信号により困難である。 コントラスト非造影CTにおいて,CNNによる正確な気道および動脈静脈分画法を提案する。 細気管支、動脈、静脈に対して優れた感受性を有する。 この手法はまず、ニューラルネットワークから学んだ機能を最大限活用するために、機能修正モジュールを使用する。 特徴の空間情報は、活性化領域の相対的優先度を維持するために適切に統合され、その後のチャネルワイド・リカレーションの恩恵を受ける。 次に、管状物体の表現学習を強化するために注意蒸留モジュールを導入する。 高分解能アテンションマップの細部の詳細は、コンテキストを豊かにするために、ある層からその前の層に繰り返し渡される。 肺コンテキストマップと距離変換マップの解剖学は、動脈-静脈の分化能力を改善するために設計され、組み込まれている。 広範な実験により、これらのコンポーネントによるかなりの性能向上が示された。 本手法は最先端手法と比較し, 競合的なセグメント化性能を維持しつつ, はるかに多くの枝を抽出した。 コードとモデルはhttp://www.pami.sjtu.edu.cn/news/56で利用可能である。

関連論文リスト

• KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
  本稿では,網膜血管分割のためのKLDDモデルを提案する。 我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。 実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
  論文  参考訳（メタデータ） (2024-09-19T14:21:38Z)
• AC-Norm: Effective Tuning for Medical Image Analysis via Affine Collaborative Normalization [11.224435413938375]
  Affine Collaborative Normalization (AC-Norm) が提案されている。 AC-Normは、クロスドメインチャネルワイズ相関に基づいてターゲットモデルのチャネルを動的に再分類する。 我々は,AC-Normがバニラファインタニングを最大4%改善したことを実証した。
  論文  参考訳（メタデータ） (2023-07-28T03:27:25Z)
• Synthetic optical coherence tomography angiographs for detailed retinal vessel segmentation without human annotations [12.571349114534597]
  本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。 本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2023-06-19T14:01:47Z)
• 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)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• Parametric Scaling of Preprocessing assisted U-net Architecture for Improvised Retinal Vessel Segmentation [1.3869502085838448]
  本稿では,形態素前処理と拡張U-netアーキテクチャを併用した画像強調手法を提案する。 ROC曲線 (>0.9762) と分類精度 (>95.47%) の領域において、領域内の他のアルゴリズムと比較して顕著な改善が得られた。
  論文  参考訳（メタデータ） (2022-03-18T15:26:05Z)
• Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions [1.212901554957637]
  心臓臓器は複数のサブ構造(心室、心房、大動脈、動脈、静脈、心筋)から構成される。 これらの心筋サブ構造は互いに近縁であり、識別不能な境界を持つ。 形状と境界認識機能を利用する新しいモデルを提案する。
  論文  参考訳（メタデータ） (2021-05-27T13:54:59Z)
• Self-Supervised Learning for Segmentation [3.8026993716513933]
  腎臓の解剖学的非対称性は、自己教師付き学習による腎臓分画の効果的なプロキシタスクを定義するために利用される。 siamese convolutional neural network (cnn)は、与えられた1対の腎臓切片をctボリュームから同一または異なる側面の腎臓に分類するために使用される。
  論文  参考訳（メタデータ） (2021-01-14T04:28:47Z)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。