論文の概要: PA-ResSeg: A Phase Attention Residual Network for Liver Tumor
Segmentation from Multi-phase CT Images
- arxiv url: http://arxiv.org/abs/2103.00274v1
- Date: Sat, 27 Feb 2021 17:30:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-03 16:07:35.233699
- Title: PA-ResSeg: A Phase Attention Residual Network for Liver Tumor
Segmentation from Multi-phase CT Images
- Title（参考訳）: PA-ResSeg:多相CT画像からの肝腫瘍セグメンテーションのための相アテンション残存ネットワーク
- Authors: Yingying Xu, Ming Cai, Lanfen Lin, Yue Zhang, Hongjie Hu, Zhiyi Peng,
Qiaowei Zhang, Qingqing Chen, Xiongwei Mao, Yutaro Iwamoto, Xian-Hua Han,
Yen-Wei Chen, Ruofeng Tong
- Abstract要約: 肝腫瘍分節の多相特徴をモデル化するための位相注意残差ネットワーク(pa-resseg)を提案する。
提案手法は, 異なるデータセットと異なるバックボーンにおけるロバスト性と一般化能力を示す。
- 参考スコア（独自算出の注目度）: 19.725599681891925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a phase attention residual network (PA-ResSeg) to
model multi-phase features for accurate liver tumor segmentation, in which a
phase attention (PA) is newly proposed to additionally exploit the images of
arterial (ART) phase to facilitate the segmentation of portal venous (PV)
phase. The PA block consists of an intra-phase attention (Intra-PA) module and
an inter-phase attention (Inter-PA) module to capture channel-wise
self-dependencies and cross-phase interdependencies, respectively. Thus it
enables the network to learn more representative multi-phase features by
refining the PV features according to the channel dependencies and
recalibrating the ART features based on the learned interdependencies between
phases. We propose a PA-based multi-scale fusion (MSF) architecture to embed
the PA blocks in the network at multiple levels along the encoding path to fuse
multi-scale features from multi-phase images. Moreover, a 3D boundary-enhanced
loss (BE-loss) is proposed for training to make the network more sensitive to
boundaries. To evaluate the performance of our proposed PA-ResSeg, we conducted
experiments on a multi-phase CT dataset of focal liver lesions (MPCT-FLLs).
Experimental results show the effectiveness of the proposed method by achieving
a dice per case (DPC) of 0.77.87, a dice global (DG) of 0.8682, a volumetric
overlap error (VOE) of 0.3328 and a relative volume difference (RVD) of 0.0443
on the MPCT-FLLs. Furthermore, to validate the effectiveness and robustness of
PA-ResSeg, we conducted extra experiments on another multi-phase liver tumor
dataset and obtained a DPC of 0.8290, a DG of 0.9132, a VOE of 0.2637 and a RVD
of 0.0163. The proposed method shows its robustness and generalization
capability in different datasets and different backbones.
- Abstract（参考訳）: 本稿では,肝腫瘍の正確な分節の多相的特徴をモデル化するための相注残ネットワーク (PA-ResSeg) を提案し, 新たに相注残網 (PA) が提案され, 動脈(ART) の画像を付加的に活用して門脈静脈(PV) の分節を促進する。
PAブロックは、位相間注意(Intra-PA)モジュールと位相間注意(Inter-PA)モジュールからなり、チャネル方向の自己依存性と位相間相互依存性をそれぞれ捕捉する。
これにより、ネットワークは、チャネル依存性に応じてPV特徴を洗練し、フェーズ間の学習相互依存性に基づいてART特徴を再検討することにより、より代表的な多相特徴を学習することができる。
マルチフェーズ画像からマルチスケール特徴を融合するために,符号化経路に沿って複数のレベルでPAブロックをネットワークに埋め込む,PAベースのマルチスケールフュージョン(MSF)アーキテクチャを提案する。
さらに,ネットワークをバウンダリに敏感にするために,3次元境界強調損失(BE損失)を提案する。
提案したPA-ResSegの性能を評価するために, 肝病変の多相CTデータセット(MPCT-FLL)の実験を行った。
実験の結果,提案手法の有効性は, ケース毎のダイス(DPC)が0.77.87, サイスグローバル(DG)が0.8682, ボリュームオーバーラップエラー(VOE)が0.3328, 相対ボリューム差(RVD)が0.0443であった。
さらに, pa-ressegの有効性とロバスト性を検証するため, 他の多相肝腫瘍データセットで追加実験を行い, dpc 0.8290, dg 0.9132, voe 0.2637, rvd 0.0163を得た。
提案手法は, 異なるデータセットと異なるバックボーンにおけるロバスト性と一般化能力を示す。
関連論文リスト
- SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion
Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。
提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。
科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文 参考訳（メタデータ） (2024-02-27T06:32:56Z) - 3D Lymphoma Segmentation on PET/CT Images via Multi-Scale Information Fusion with Cross-Attention [6.499725732124126]
本研究は,びまん性大細胞型B細胞リンパ腫(DLBCL)の正確な分節法を開発することを目的とする。
シフトウインドウ変換器とマルチスケール情報融合(MSIF)モジュールを用いた3次元デュアルブランチエンコーダセグメンテーション法を提案する。
このモデルは5倍のクロスバリデーションを用いて165名のDLBCL患者のデータセットを用いて訓練および検証を行った。
論文 参考訳（メタデータ） (2024-02-04T05:25:12Z) - Deep Learning Framework with Multi-Head Dilated Encoders for Enhanced
Segmentation of Cervical Cancer on Multiparametric Magnetic Resonance Imaging [0.6597195879147557]
T2強調核磁気共鳴画像(MRI)と拡散強調画像(DWI)は頸部がん診断に欠かせない要素である。
拡張畳み込みと共有残差接続を多パラメータMRI画像の分離符号化に用いる新しいマルチヘッドフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-19T19:41:21Z) - 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) - MEDS-Net: Self-Distilled Multi-Encoders Network with Bi-Direction
Maximum Intensity projections for Lung Nodule Detection [5.923156939373596]
放射線科医の診療ワークフローを完全に組み込んだ肺結節検出手法を提案する。
様々な厚さの2方向最大強度投影(MIP)画像とCTスキャンの3Dパッチを併用した。
提案手法はLUNA16データセットの888スキャンで厳格に評価され、CPMスコアは93.6%となった。
論文 参考訳（メタデータ） (2022-10-30T05:55:45Z) - Slice-by-slice deep learning aided oropharyngeal cancer segmentation
with adaptive thresholding for spatial uncertainty on FDG PET and CT images [0.0]
腫瘍セグメンテーションは放射線治療計画の基本的なステップである。
本研究は,GTVpスライス・バイ・スライス・スライス・スライス・セグメンテーションにおける放射線医学者を支援するための新しい自動深層学習(DL)モデルを提案する。
論文 参考訳（メタデータ） (2022-07-04T15:17:44Z) - Decoupled Pyramid Correlation Network for Liver Tumor Segmentation from
CT images [22.128902125820193]
Decoupled Pyramid correlation Network (DPC-Net)を提案する。
注意機構を利用して、FCNに埋め込まれた低レベルの特徴と高レベルの特徴をフル活用し、肝腫瘍を分節する。
DSCは96.2%、ASSDは1.636mmで肝臓セグメンテーションが可能である。
論文 参考訳（メタデータ） (2022-05-26T07:31:29Z) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳（メタデータ） (2021-10-12T23:25:03Z) - 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) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - FPCR-Net: Feature Pyramidal Correlation and Residual Reconstruction for
Optical Flow Estimation [72.41370576242116]
フレーム対からの光フロー推定のための半教師付き特徴ピラミッド相関・残留再構成ネットワーク(FPCR-Net)を提案する。
ピラミッド相関マッピングと残留再構成の2つの主要なモジュールで構成されている。
実験結果から,提案手法は,平均終点誤差 (AEE) に対して0.80, 1.15, 0.10の改善を達成し,最先端性能を実現していることがわかった。
論文 参考訳（メタデータ） (2020-01-17T07:13:51Z)
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。