論文の概要: Meningioma segmentation in T1-weighted MRI leveraging global context and attention mechanisms

• arxiv url: http://arxiv.org/abs/2101.07715v1
• Date: Tue, 19 Jan 2021 16:40:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-22 11:24:47.175489
• Title: Meningioma segmentation in T1-weighted MRI leveraging global context and attention mechanisms
• Title（参考訳）: 大局的文脈と注意機構を利用したT1強調MRIにおける髄膜腫の分画
• Authors: David Bouget, Andr\'e Pedersen, Sayied Abdol Mohieb Hosainey, Ole Solheim, Ingerid Reinertsen
• Abstract要約: 髄膜腫は脳腫瘍の最も一般的なタイプであり、脳腫瘍の約30%を占める。 U-Netアーキテクチャに対する注意メカニズムの包含を提案する。 マルチスケール入力および深層監視コンポーネントの影響について検討した。
• 参考スコア（独自算出の注目度）: 0.2624902795082451
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Meningiomas are the most common type of primary brain tumor, accounting for approximately 30% of all brain tumors. A substantial number of these tumors are never surgically removed but rather monitored over time. Automatic and precise meningioma segmentation is therefore beneficial to enable reliable growth estimation and patient-specific treatment planning. In this study, we propose the inclusion of attention mechanisms over a U-Net architecture: (i) Attention-gated U-Net (AGUNet) and (ii) Dual Attention U-Net (DAUNet), using a 3D MRI volume as input. Attention has the potential to leverage the global context and identify features' relationships across the entire volume. To limit spatial resolution degradation and loss of detail inherent to encoder-decoder architectures, we studied the impact of multi-scale input and deep supervision components. The proposed architectures are trainable end-to-end and each concept can be seamlessly disabled for ablation studies. The validation studies were performed using a 5-fold cross validation over 600 T1-weighted MRI volumes from St. Olavs University Hospital, Trondheim, Norway. For the best performing architecture, an average Dice score of 81.6% was reached for an F1-score of 95.6%. With an almost perfect precision of 98%, meningiomas smaller than 3ml were occasionally missed hence reaching an overall recall of 93%. Leveraging global context from a 3D MRI volume provided the best performances, even if the native volume resolution could not be processed directly. Overall, near-perfect detection was achieved for meningiomas larger than 3ml which is relevant for clinical use. In the future, the use of multi-scale designs and refinement networks should be further investigated to improve the performance. A larger number of cases with meningiomas below 3ml might also be needed to improve the performance for the smallest tumors.
• Abstract（参考訳）: 髄膜腫は脳腫瘍の最も一般的なタイプであり、脳腫瘍の約30%を占める。 これらの腫瘍の多くは外科的に切除されることはないが、時間とともに監視される。 自動的, 正確な髄膜腫分節化は, 信頼性の高い成長予測と患者特異的治療計画の実現に有用である。 本研究では, 3次元mriボリュームを入力として, (i) attention-gated u-net (agunet) と (ii) dual attention u-net (daunet) という, u-net アーキテクチャ上の注意機構の導入を提案する。 注意力は、グローバルコンテキストを活用し、全体にわたって機能の関係を識別する可能性がある。 エンコーダ・デコーダアーキテクチャに固有の細部の空間分解能の低下と損失を抑えるため,マルチスケール入力および深部監視成分の影響を検討した。 提案されたアーキテクチャはトレーニング可能なエンドツーエンドであり、それぞれの概念はアブレーション研究のためにシームレスに無効にすることができる。 ノルウェーのトロンドハイムにあるセント・オラヴス大学病院から,600 T1強調MRIボリュームの5倍のクロスバリデーションを用いて検証を行った。 最高性能の建築では、平均サイコロスコアが81.6%、f1スコアが95.6%に達した。 ほぼ完全な98%の精度で3ml未満の髄膜腫がたまに消失し、全体のリコール率は93%に達した。 3次元MRIボリュームからグローバルコンテキストを活用することで、ネイティブボリューム解像度を直接処理できない場合でも、最高のパフォーマンスが得られる。 総じて, 3ml以上の髄膜腫に対して, 臨床的に有用であった。 将来的には, 性能向上のために, マルチスケール設計と改良ネットワークの利用も検討すべきである。 髄膜腫が3ml未満の症例は、最小の腫瘍のパフォーマンスを改善するためにも必要かもしれない。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• LATUP-Net: A Lightweight 3D Attention U-Net with Parallel Convolutions for Brain Tumor Segmentation [7.1789008189318455]
  LATUP-Netは、並列畳み込みを備えた軽量な3DアテンションU-Netである。 高いセグメンテーション性能を維持しつつ、計算要求を大幅に削減するように設計されている。 BraTS 2020データセットの平均Diceスコアは88.41%、83.82%、73.67%であり、BraTS 2021データセットでは、それぞれ90.29%、89.54%、83.92%である。
  論文  参考訳（メタデータ） (2024-04-09T00:05:45Z)
• Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
  本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
  論文  参考訳（メタデータ） (2023-08-06T03:28:08Z)
• 3D Medical Image Segmentation based on multi-scale MPU-Net [5.393743755706745]
  本稿では,患者のCT画像に対する腫瘍分割モデルMPU-Netを提案する。 グローバルアテンション機構を備えたTransformerにインスパイアされている。 ベンチマークモデルであるU-Netと比較して、MPU-Netは優れたセグメンテーション結果を示す。
  論文  参考訳（メタデータ） (2023-07-11T20:46:19Z)
• Multiclass MRI Brain Tumor Segmentation using 3D Attention-based U-Net [0.0]
  本稿では,脳腫瘍のマルチリージョンセグメンテーションのための3次元アテンションに基づくU-Netアーキテクチャを提案する。 注意機構は、健康な組織を非強調化し、悪性組織をアクセントすることで、セグメンテーションの精度を向上させる。
  論文  参考訳（メタデータ） (2023-05-10T14:35:07Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
  追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。 非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
  論文  参考訳（メタデータ） (2022-06-22T14:19:06Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Fast meningioma segmentation in T1-weighted MRI volumes using a lightweight 3D deep learning architecture [0.19573380763700712]
  多数の手術治療を行った髄膜腫と未治療の髄膜腫を用いて, セグメンテーションと処理速度を最適化した。 i)U-Netに似た単純なエンコーダデコーダ,(ii)軽量マルチスケールアーキテクチャ(PLS-Net)の2つの異なる3Dニューラルネットワークアーキテクチャについて検討した。 モデルは,検出精度,セグメンテーション精度,トレーニング/推論速度の観点から評価した。
  論文  参考訳（メタデータ） (2020-10-14T12:26:53Z)
• 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。