論文の概要: Global Guidance Network for Breast Lesion Segmentation in Ultrasound
Images
- arxiv url: http://arxiv.org/abs/2104.01896v1
- Date: Mon, 5 Apr 2021 13:15:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-06 20:07:04.700835
- Title: Global Guidance Network for Breast Lesion Segmentation in Ultrasound
Images
- Title(参考訳): 超音波画像における乳腺病変分割のためのグローバルガイダンスネットワーク
- Authors: Cheng Xue, Lei Zhu, Huazhu Fu, Xiaowei Hu, Xiaomeng Li, Hai Zhang,
Pheng Ann Heng
- Abstract要約: 我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。
当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
- 参考スコア(独自算出の注目度): 84.03487786163781
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatic breast lesion segmentation in ultrasound helps to diagnose breast
cancer, which is one of the dreadful diseases that affect women globally.
Segmenting breast regions accurately from ultrasound image is a challenging
task due to the inherent speckle artifacts, blurry breast lesion boundaries,
and inhomogeneous intensity distributions inside the breast lesion regions.
Recently, convolutional neural networks (CNNs) have demonstrated remarkable
results in medical image segmentation tasks. However, the convolutional
operations in a CNN often focus on local regions, which suffer from limited
capabilities in capturing long-range dependencies of the input ultrasound
image, resulting in degraded breast lesion segmentation accuracy. In this
paper, we develop a deep convolutional neural network equipped with a global
guidance block (GGB) and breast lesion boundary detection (BD) modules for
boosting the breast ultrasound lesion segmentation. The GGB utilizes the
multi-layer integrated feature map as a guidance information to learn the
long-range non-local dependencies from both spatial and channel domains. The BD
modules learn additional breast lesion boundary map to enhance the boundary
quality of a segmentation result refinement. Experimental results on a public
dataset and a collected dataset show that our network outperforms other medical
image segmentation methods and the recent semantic segmentation methods on
breast ultrasound lesion segmentation. Moreover, we also show the application
of our network on the ultrasound prostate segmentation, in which our method
better identifies prostate regions than state-of-the-art networks.
- Abstract(参考訳): 超音波による乳腺病変の自動分離は、世界規模で女性に影響を及ぼす恐ろしい疾患の1つである乳がんの診断に役立つ。
乳房領域を超音波画像から正確に分割することは, 固有スペックルアーチファクト, ぼやけた乳房病変境界, 乳房病変領域内の不均質な強度分布などにより困難な課題である。
近年,畳み込みニューラルネットワーク(cnns)が医用画像分割作業において顕著な結果を示している。
しかし、CNNの畳み込み操作は、入力された超音波画像の長距離依存性を捉える能力に限界がある局所に焦点を合わせ、乳房病変の分節精度が低下する。
本稿では,大域的誘導ブロック (GGB) と乳房病変境界検出 (BD) モジュールを備えた深部畳み込みニューラルネットワークを開発し,乳房病変のセグメンテーションを促進する。
ggbは、多層統合機能マップをガイダンス情報として利用し、空間領域とチャネル領域の両方から長距離非局所依存関係を学習する。
BDモジュールは、追加の乳房病変境界マップを学習し、セグメンテーション結果の改善の境界品質を高める。
公開データセットと収集データセットを用いた実験の結果,乳腺超音波病変の分画における他の医用画像分画法や近年のセマンティック分節法よりも優れていた。
また,超音波前立腺セグメンテーションにおいて,最先端のネットワークよりも前立腺領域の同定が容易であることを示す。
関連論文リスト
- Semi- and Weakly-Supervised Learning for Mammogram Mass Segmentation with Limited Annotations [49.33388736227072]
本稿では,マスセグメンテーションのための半弱教師付き学習フレームワークを提案する。
良好な性能を得るために, 限られた強ラベルのサンプルと十分な弱ラベルのサンプルを用いる。
CBIS-DDSMおよびINbreastデータセットを用いた実験により,本手法の有効性が示された。
論文 参考訳(メタデータ) (2024-03-14T12:05:25Z) - Scale-aware Super-resolution Network with Dual Affinity Learning for
Lesion Segmentation from Medical Images [50.76668288066681]
低解像度医用画像から様々な大きさの病変を適応的に分割する,スケールアウェアな超解像ネットワークを提案する。
提案するネットワークは,他の最先端手法と比較して一貫した改善を実現した。
論文 参考訳(メタデータ) (2023-05-30T14:25:55Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳(メタデータ) (2023-01-12T08:19:46Z) - ESKNet-An enhanced adaptive selection kernel convolution for breast
tumors segmentation [13.897849323634283]
乳がんは、世界の女性の健康を危険にさらす一般的ながんの1つである。
CNNは超音波画像から乳腺腫瘍を分離するために提案されている。
乳腺腫瘍セグメンテーションのための選択的カーネル・コンボリューションを改良した。
論文 参考訳(メタデータ) (2022-11-05T14:15:29Z) - BAGNet: Bidirectional Aware Guidance Network for Malignant Breast
lesions Segmentation [5.823080777200961]
乳房超音波画像から悪性病変を識別するために, 双方向意識誘導ネットワーク(BAGNet)を提案する。
BAGNetは、入力された粗いサリエンシマップからグローバル(低レベル)とローカル(高レベル)の機能の間のコンテキストをキャプチャする。
グローバルな特徴マップの導入は、病変領域における周囲の組織(背景)の干渉を減らすことができる。
論文 参考訳(メタデータ) (2022-04-28T08:28:06Z) - AAU-net: An Adaptive Attention U-net for Breast Lesions Segmentation in
Ultrasound Images [10.036858255491458]
超音波画像から乳房病変を自動的に,安定的に分離する適応型注意U-net(AAU-net)を開発した。
具体的には、主にチャネル自己注意ブロックと空間自己注意ブロックからなるハイブリッド適応型アダプティブアテンションモジュールを提案する。
論文 参考訳(メタデータ) (2022-04-26T05:12:00Z) - RCA-IUnet: A residual cross-spatial attention guided inception U-Net
model for tumor segmentation in breast ultrasound imaging [0.6091702876917281]
本稿では,腫瘍セグメンテーションのトレーニングパラメータが最小限に抑えられたRCA-IUnetモデルについて紹介する。
RCA-IUnetモデルは、U-Netトポロジに従い、奥行きの深い分離可能な畳み込みとハイブリッドプール層を持つ。
無関係な特徴を抑え、対象構造に焦点を合わせるために、空間横断型アテンションフィルタが加えられる。
論文 参考訳(メタデータ) (2021-08-05T10:35:06Z) - Weakly-supervised High-resolution Segmentation of Mammography Images for
Breast Cancer Diagnosis [17.936019428281586]
がん診断において、入力画像の出力に責任のある領域を局在させることにより、解釈可能性を実現することができる。
本稿では,高解像度画像の弱教師付きセグメンテーションを実現するニューラルネットワークアーキテクチャを提案する。
乳がん検診にマンモグラフィーを用いて適用し, 大規模臨床応用データセットで検証した。
論文 参考訳(メタデータ) (2021-06-13T17:25:21Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳(メタデータ) (2020-12-10T04:01:07Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳(メタデータ) (2020-04-22T07:30:56Z)
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。