論文の概要: Coarse-to-fine Airway Segmentation Using Multi information Fusion
Network and CNN-based Region Growing
- arxiv url: http://arxiv.org/abs/2102.12755v1
- Date: Thu, 25 Feb 2021 09:51:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-26 13:54:19.961868
- Title: Coarse-to-fine Airway Segmentation Using Multi information Fusion
Network and CNN-based Region Growing
- Title（参考訳）: 多情報融合ネットワークとCNNに基づく地域成長を用いた粗気道分割
- Authors: Jinquan Guo, Rongda Fu, Lin Pan, Shaohua Zheng, Liqin Huang, Bin
Zheng, Bingwei He
- Abstract要約: 周囲の枝や複雑な木のような構造の低コントラストは、気道セグメンテーションの2つの主要な課題として残っている。
近年の研究では、深層学習手法がセグメンテーションタスクにおいてうまく機能していることが示されている。
完全な気道木を得るために, 粗粒分断フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 6.357411132360318
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic airway segmentation from chest computed tomography (CT) scans plays
an important role in pulmonary disease diagnosis and computer-assisted therapy.
However, low contrast at peripheral branches and complex tree-like structures
remain as two mainly challenges for airway segmentation. Recent research has
illustrated that deep learning methods perform well in segmentation tasks.
Motivated by these works, a coarse-to-fine segmentation framework is proposed
to obtain a complete airway tree. Our framework segments the overall airway and
small branches via the multi-information fusion convolution neural network
(Mif-CNN) and the CNN-based region growing, respectively. In Mif-CNN, atrous
spatial pyramid pooling (ASPP) is integrated into a u-shaped network, and it
can expend the receptive field and capture multi-scale information. Meanwhile,
boundary and location information are incorporated into semantic information.
These information are fused to help Mif-CNN utilize additional context
knowledge and useful features. To improve the performance of the segmentation
result, the CNN-based region growing method is designed to focus on obtaining
small branches. A voxel classification network (VCN), which can entirely
capture the rich information around each voxel, is applied to classify the
voxels into airway and non-airway. In addition, a shape reconstruction method
is used to refine the airway tree.
- Abstract（参考訳）: 胸部CT検査による気道自動分画は肺疾患の診断とコンピュータ支援療法において重要な役割を担っている。
しかし、周囲の枝や複雑な木のような構造における低コントラストは、主に気道セグメンテーションの2つの課題として残っている。
近年の研究では、深層学習手法がセグメンテーションタスクにおいてうまく機能していることが示されている。
これらの作品に動機づけられて、完全な気道ツリーを得るために粗いセグメント化フレームワークが提案される。
本フレームワークでは,多情報融合畳み込みニューラルネットワーク(Mif-CNN)とCNNをベースとした領域をそれぞれ,気道全体と小枝に分割する。
mif-cnnでは、atrous spatial pyramid pooling (aspp) をu字型ネットワークに統合し、受容野を駆逐し、マルチスケール情報を取り込むことができる。
一方、境界情報と位置情報は意味情報に組み込まれる。
これらの情報は、Mif-CNNが追加のコンテキスト知識と有用な機能を活用するのに役立ちます。
セグメンテーション結果の性能を向上させるため,CNNベースの領域成長法では,小枝の獲得に重点を置いている。
各Voxel周辺の豊富な情報を完全にキャプチャできるVoxel分類ネットワーク(VCN)が、Voxelを気道および非気道に分類するために適用されます。
また、気道木を改良するために形状復元法が用いられている。
関連論文リスト
- DmADs-Net: Dense multiscale attention and depth-supervised network for medical image segmentation [10.85494240952418]
我々はDmAD-Net(Multiscale Attention and Depth-Supervised Network)を開発した。
異なる深さで機能抽出にResNetを使用し、マルチスケールの畳み込み機能注意ブロックを作成します。
ローカル・フィーチャー・アテンション・ブロックは、高レベルのセマンティック情報に対するローカル・フィーチャー・アテンションを強化するために作成される。
フィーチャーフュージョンフェーズでは、異なるセマンティック情報の融合を強化するために、フィーチャーリファインメントとフュージョンブロックが作成される。
論文 参考訳（メタデータ） (2024-05-01T12:15:58Z) - RFC-Net: Learning High Resolution Global Features for Medical Image
Segmentation on a Computational Budget [4.712700480142554]
本稿では,圧縮された計算空間における高解像度グローバルな特徴を学習するReceptive Field Chain Network (RFC-Net)を提案する。
提案実験により,RFC-Net が Kvasir および CVC-ClinicDB のPolyp セグメンテーションのベンチマークにおいて,最先端の性能を達成することを示す。
論文 参考訳（メタデータ） (2023-02-13T06:52:47Z) - 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) - SAR Despeckling Using Overcomplete Convolutional Networks [53.99620005035804]
スペックルはSAR画像を劣化させるため、リモートセンシングにおいて重要な問題である。
近年の研究では、畳み込みニューラルネットワーク(CNN)が古典的解法よりも優れていることが示されている。
本研究は、受容場を制限することで低レベルの特徴を学習することに集中するために、過剰なCNNアーキテクチャを用いる。
本稿では,合成および実SAR画像の非特定化手法と比較して,提案手法により非特定化性能が向上することを示す。
論文 参考訳（メタデータ） (2022-05-31T15:55:37Z) - TC-Net: Triple Context Network for Automated Stroke Lesion Segmentation [0.5482532589225552]
本稿では,空間的コンテキスト情報を中心として,新たなネットワークである Triple Context Network (TC-Net) を提案する。
我々のネットワークはオープンデータセットATLASで評価され、最高スコアは0.594、ハウスドルフ距離は27.005mm、平均対称性表面距離は7.137mmである。
論文 参考訳（メタデータ） (2022-02-28T11:12:16Z) - Automated airway segmentation by learning graphical structure [0.76146285961466]
我々は,既存の畳み込みニューラルネットワーク(CNN)とグラフニューラルネットワーク(GNN)に基づく気道セグメンテーションの高度な手法を提唱した。
提案モデルにより,CNN法とGNN法を併用した場合,胸部CTスキャンの気管支をほとんどの症例で検出できることが示唆された。
論文 参考訳（メタデータ） (2021-09-30T01:37:31Z) - Learning Hybrid Representations for Automatic 3D Vessel Centerline
Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。
既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。
抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。
この課題を解決するためのハイブリッド表現学習手法を提案します。
論文 参考訳（メタデータ） (2020-12-14T05:22:49Z) - 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) - Adaptive feature recombination and recalibration for semantic
segmentation with Fully Convolutional Networks [57.64866581615309]
完全畳み込みネットワークを用いたセマンティックセグメンテーションに適応した特徴の組換えと空間適応型再分類ブロックを提案する。
その結果、再結合と再校正は競争ベースラインの結果を改善し、3つの異なる問題にまたがって一般化することを示した。
論文 参考訳（メタデータ） (2020-06-19T15:45:03Z) - Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。
人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。
実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-05-15T23:57:36Z) - Boundary-aware Context Neural Network for Medical Image Segmentation [15.585851505721433]
医用画像のセグメンテーションは、さらなる臨床分析と疾患診断のための信頼性の高い基盤を提供することができる。
既存のCNNベースのほとんどの手法は、正確なオブジェクト境界のない不満足なセグメンテーションマスクを生成する。
本稿では,2次元医用画像分割のための境界認識コンテキストニューラルネットワーク(BA-Net)を定式化する。
論文 参考訳（メタデータ） (2020-05-03T02:35:49Z)
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。