論文の概要: Multi-class motion-based semantic segmentation for ureteroscopy and laser lithotripsy

• arxiv url: http://arxiv.org/abs/2104.01268v1
• Date: Fri, 2 Apr 2021 22:47:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-06 14:24:22.671744
• Title: Multi-class motion-based semantic segmentation for ureteroscopy and laser lithotripsy
• Title（参考訳）: 尿管鏡およびレーザーリトリップシーのためのマルチクラスモーションベースセマンティックセグメンテーション
• Authors: Soumya Gupta, Sharib Ali, Louise Goldsmith, Ben Turney and Jens Rittscher
• Abstract要約: 石とレーザー繊維の分断のためのエンドツーエンドCNNベースのフレームワークを提案する。 本研究では,UNet,HybResUNet,DeepLabv3+と比較して,25.4%,20%,11%の平均改善率を示す新たな臨床データセットの一般化を検討した。
• 参考スコア（独自算出の注目度）: 0.7874708385247353
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Kidney stones represent a considerable burden for public health-care systems. Ureteroscopy with laser lithotripsy has evolved as the most commonly used technique for the treatment of kidney stones. Automated segmentation of kidney stones and laser fiber is an important initial step to performing any automated quantitative analysis of the stones, particularly stone-size estimation, that helps the surgeon decide if the stone requires more fragmentation. Factors such as turbid fluid inside the cavity, specularities, motion blur due to kidney movements and camera motion, bleeding, and stone debris impact the quality of vision within the kidney and lead to extended operative times. To the best of our knowledge, this is the first attempt made towards multi-class segmentation in ureteroscopy and laser lithotripsy data. We propose an end-to-end CNN-based framework for the segmentation of stones and laser fiber. The proposed approach utilizes two sub-networks: HybResUNet, a version of residual U-Net, that uses residual connections in the encoder path of U-Net and a DVFNet that generates DVF predictions which are then used to prune the prediction maps. We also present ablation studies that combine dilated convolutions, recurrent and residual connections, ASPP and attention gate. We propose a compound loss function that improves our segmentation performance. We have also provided an ablation study to determine the optimal data augmentation strategy. Our qualitative and quantitative results illustrate that our proposed method outperforms SOTA methods such as UNet and DeepLabv3+ showing an improvement of 5.2% and 15.93%, respectively, for the combined mean of DSC and JI in our invivo test dataset. We also show that our proposed model generalizes better on a new clinical dataset showing a mean improvement of 25.4%, 20%, and 11% over UNet, HybResUNet, and DeepLabv3+, respectively, for the same metric.
• Abstract（参考訳）: 腎臓結石は公衆衛生システムにとってかなりの負担を負っている。 レーザーリソトリプシーによる尿管内視鏡は腎臓結石の治療に最も一般的に用いられる技術として進化してきた。 腎臓結石とレーザーファイバーの自動分節化は、石の自動化された定量化、特に石の大きさの推定を行うための重要な最初のステップである。 空洞内の濁った流体、特異性、腎臓の動きによる動きのぼけ、カメラの動き、出血、そして石の破片などの要因は、腎臓内の視覚の質に影響を与え、手術時間を延ばす。 我々の知る限りでは、これは尿管鏡およびレーザーリトリップシーデータにおけるマルチクラスセグメンテーションに向けた最初の試みである。 石とレーザー繊維の分断のためのエンドツーエンドCNNベースのフレームワークを提案する。 提案手法では、u-netのエンコーダパスの残差接続を使用する残差u-netのバージョンであるhybresunetと、dvf予測を生成するdvfnetの2つのサブネットワークを使用する。 また,拡張畳み込み,繰り返しおよび残差接続,ASPPおよびアテンションゲートを組み合わせたアブレーション研究も行った。 セグメント化性能を向上させる複合損失関数を提案する。 また,データ拡張の最適戦略を決定するためのアブレーション研究も行った。 本手法は, invivo テストデータセットにおける dsc と ji の組合せ平均に対して,それぞれ 5.2% と 15.93% の改善を示す unet や deeplabv3+ などの sota 法よりも優れていた。 また,提案モデルでは,unet,hybresunet,deeplabv3+に対して,平均25.4%,20%,11%の改善率を示す新しい臨床データセットを,それぞれ同じ測定値で一般化することが示されている。

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)
• Evaluating the plausibility of synthetic images for improving automated endoscopic stone recognition [0.9480662172227129]
  現在、Morpho-Constitutional Analysis (MCA) は腎臓結石の組織学的診断における事実上のアプローチである。 近年では、内視鏡的石盤認識(ESR)と呼ばれる、そのようなタスクを術中実行することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-09-20T11:19:08Z)
• FS-Net: Full Scale Network and Adaptive Threshold for Improving Extraction of Micro-Retinal Vessel Structures [4.776514178760067]
  本稿では,エンコーダ・デコーダニューラルネットワークアーキテクチャに基づく大規模マイクロ容器抽出機構を提案する。 提案手法はDRIVE,CHASE-DB1,STAREデータセットを用いて評価されている。
  論文  参考訳（メタデータ） (2023-11-14T10:32:17Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Cervical Cytology Classification Using PCA & GWO Enhanced Deep Features Selection [1.990876596716716]
  子宮頸癌は世界でも最も致命的かつ一般的な疾患の1つである。 ディープラーニングと特徴選択を利用した完全自動化フレームワークを提案する。 このフレームワークは3つの公開ベンチマークデータセットで評価されている。
  論文  参考訳（メタデータ） (2021-06-09T08:57:22Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• 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)
• StyPath: Style-Transfer Data Augmentation For Robust Histology Image Classification [6.690876060631452]
  我々は,StyPathに基づくAMR分類のための,堅牢なディープニューラルネットワークを構築するための新しいパイプラインを提案する。 それぞれの画像は、1GTX V TITANとpytorchを使って1.84 + 0.03秒で生成された。 以上の結果から,本手法は組織学的分類性能を向上させることが示唆された。
  論文  参考訳（メタデータ） (2020-07-09T18:02:49Z)
• Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
  ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。 本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
  論文  参考訳（メタデータ） (2020-06-28T19:55:34Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。