論文の概要: Learning-Based Patch-Wise Metal Segmentation with Consistency Check

• arxiv url: http://arxiv.org/abs/2101.10914v1
• Date: Tue, 26 Jan 2021 16:35:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-13 19:45:52.838649
• Title: Learning-Based Patch-Wise Metal Segmentation with Consistency Check
• Title（参考訳）: 一貫性チェックを用いた学習に基づくパッチワイズメタルセグメンテーション
• Authors: Tristan M. Gottschalk, Andreas Maier, Florian Kordon, Bj\"orn W. Kreher
• Abstract要約: 本研究は,学習に基づくパッチワイズセグメンテーションネットワークと,新たに提案された一貫性チェックを後処理ステップとして提案し,評価する。 学習されたセグメンテーションと一貫性チェックの組み合わせは、テストセットで平均0.924のIoUスコアで高いセグメンテーション性能に達します。
• 参考スコア（独自算出の注目度）: 5.3580471186206005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Metal implants that are inserted into the patient's body during trauma interventions cause heavy artifacts in 3D X-ray acquisitions. Metal Artifact Reduction (MAR) methods, whose first step is always a segmentation of the present metal objects, try to remove these artifacts. Thereby, the segmentation is a crucial task which has strong influence on the MAR's outcome. This study proposes and evaluates a learning-based patch-wise segmentation network and a newly proposed Consistency Check as post-processing step. The combination of the learned segmentation and Consistency Check reaches a high segmentation performance with an average IoU score of 0.924 on the test set. Furthermore, the Consistency Check proves the ability to significantly reduce false positive segmentations whilst simultaneously ensuring consistent segmentations.
• Abstract（参考訳）: 外傷介入中に患者の体に挿入される金属インプラントは、3D X線取得で重いアーティファクトを引き起こします。 金属アーティファクト還元法(MAR)は、常に現在の金属オブジェクトのセグメンテーションであるので、これらのアーティファクトを除去しようと試みる。 したがって、セグメンテーションはmarの結果に強い影響を与える重要なタスクである。 本研究は,学習に基づくパッチワイズセグメンテーションネットワークと,新たに提案された一貫性チェックを後処理ステップとして提案し,評価する。 学習されたセグメンテーションと一貫性チェックの組み合わせは、テストセットで平均0.924のIoUスコアで高いセグメンテーション性能に達します。 さらに、一貫性チェックは、一貫性のあるセグメンテーションを同時に確保しながら、偽陽性セグメンテーションを著しく削減する能力を証明する。

関連論文リスト

• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• 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)
• TraSeTR: Track-to-Segment Transformer with Contrastive Query for Instance-level Instrument Segmentation in Robotic Surgery [60.439434751619736]
  そこで我々は,TraSeTRを提案する。TraSeTR,TraSeTR,Trace-to-Segment Transformerは,手術器具のセグメンテーションを支援する。 TraSeTRは、機器の種類、位置、アイデンティティとインスタンスレベルの予測を共同で理由付けている。 提案手法の有効性を,3つの公開データセットに対して,最先端の計器型セグメンテーション結果を用いて実証した。
  論文  参考訳（メタデータ） (2022-02-17T05:52:18Z)
• View-Consistent Metal Segmentation in the Projection Domain for Metal Artifact Reduction in CBCT -- An Investigation of Potential Improvement [5.3580471186206005]
  本発表では,セグメンテーションタスクを学習ベースでビュー一貫性のある2Dプロジェクションにシフトする可能性について検討する。 標準fsMARの結果と修正fsMARバージョンを比較し, シフト分割領域の影響について検討した。 再建後のFoVの外側に金属がある場合や、金属が消える場合については、人工物が大幅に減少することを示すことができる。
  論文  参考訳（メタデータ） (2021-12-03T15:09:13Z)
• Vertebrae segmentation, identification and localization using a graph optimization and a synergistic cycle [20.4929202936935]
  本稿では,CT画像における椎骨の分画,識別,局在について考察する。 これらの3つのタスクは関連していますが、それらが一緒に対処されたときに増加する特定の問題に直面します。 本稿では,3つのタスク間のコヒーレンスを強制する活発なサイクルを提案する。 このようなサイクルの中で、タスクは相互運用され、グローバルな一貫性基準を満たすまで反復される。
  論文  参考訳（メタデータ） (2021-10-23T09:21:35Z)
• Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
  セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。 私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-08-03T17:09:56Z)
• Dense Regression Activation Maps For Lesion Segmentation in CT scans of COVID-19 patients [9.313053265087262]
  重回帰アクティベーションマップ(dRAM)に基づく弱教師付きセグメンテーション手法を提案する。 提案手法は,CAMに基づく弱教師付きセグメンテーション方式の0.335から0.495への結合を著しく改善する。
  論文  参考訳（メタデータ） (2021-05-25T08:29:35Z)
• Detecting micro fractures with X-ray computed tomography [4.855026133182103]
  XRCTを用いたカララ大理石のフラクチャーネットワークの可視化に成功したデータ集合について述べる。 従来の3手法と機械学習に基づく2手法を評価した。 2次元U-netモデルの出力は、機械学習に基づくセグメンテーション手法の1つである。
  論文  参考訳（メタデータ） (2021-03-23T20:20:24Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Upgraded W-Net with Attention Gates and its Application in Unsupervised 3D Liver Segmentation [0.0]
  自動セグメンテーションのための教師なしディープラーニングに基づくアプローチを提案する。 我々はW-Netアーキテクチャを使用し、それを3Dボリュームに適用できるように修正した。 提案法は,手動セグメンテーションと比較して肝臓セグメンテーションに対するサイス係数0.88で有望な結果を示した。
  論文  参考訳（メタデータ） (2020-11-20T21:45:28Z)

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。