論文の概要: MIDeepSeg: Minimally Interactive Segmentation of Unseen Objects from
Medical Images Using Deep Learning
- arxiv url: http://arxiv.org/abs/2104.12166v1
- Date: Sun, 25 Apr 2021 14:15:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-28 07:14:44.069310
- Title: MIDeepSeg: Minimally Interactive Segmentation of Unseen Objects from
Medical Images Using Deep Learning
- Title（参考訳）: MIDeepSeg: 深層学習を用いた医用画像からの見えない物体の最小対話的セグメンテーション
- Authors: Xiangde Luo, Guotai Wang, Tao Song, Jingyang Zhang, Michael Aertsen,
Jan Deprest, Sebastien Ourselin, Tom Vercauteren, Shaoting Zhang
- Abstract要約: ユーザインプットとしてクリックのみを必要とすることによる高効率な深層学習に基づく対話型セグメンテーション手法を提案する。
提案フレームワークは,最先端の対話型フレームワークと比較して,ユーザインタラクションが少なく,時間も少なく,正確な結果が得られる。
- 参考スコア（独自算出の注目度）: 15.01235930304888
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Segmentation of organs or lesions from medical images plays an essential role
in many clinical applications such as diagnosis and treatment planning. Though
Convolutional Neural Networks (CNN) have achieved the state-of-the-art
performance for automatic segmentation, they are often limited by the lack of
clinically acceptable accuracy and robustness in complex cases. Therefore,
interactive segmentation is a practical alternative to these methods. However,
traditional interactive segmentation methods require a large amount of user
interactions, and recently proposed CNN-based interactive segmentation methods
are limited by poor performance on previously unseen objects. To solve these
problems, we propose a novel deep learning-based interactive segmentation
method that not only has high efficiency due to only requiring clicks as user
inputs but also generalizes well to a range of previously unseen objects.
Specifically, we first encode user-provided interior margin points via our
proposed exponentialized geodesic distance that enables a CNN to achieve a good
initial segmentation result of both previously seen and unseen objects, then we
use a novel information fusion method that combines the initial segmentation
with only few additional user clicks to efficiently obtain a refined
segmentation. We validated our proposed framework through extensive experiments
on 2D and 3D medical image segmentation tasks with a wide range of previous
unseen objects that were not present in the training set. Experimental results
showed that our proposed framework 1) achieves accurate results with fewer user
interactions and less time compared with state-of-the-art interactive
frameworks and 2) generalizes well to previously unseen objects.
- Abstract（参考訳）: 医療画像からの臓器や病変の分割は、診断や治療計画などの多くの臨床応用において重要な役割を果たす。
畳み込みニューラルネットワーク(CNN)は自動セグメンテーションの最先端性能を達成したが、複雑な症例では臨床的に許容される精度と堅牢性の欠如によって制限されることが多い。
したがって、インタラクティブセグメンテーションはこれらの方法の実用的な代替手段である。
しかし,従来の対話的セグメンテーション手法では大量のユーザインタラクションが必要であり,最近提案されたCNNベースの対話的セグメンテーション手法は,これまで見つからなかったオブジェクトの性能の低下によって制限されている。
これらの問題を解決するために,ユーザ入力としてクリックを必要とするだけでなく,これまで見つからなかった範囲のオブジェクトを一般化する,ディープラーニングに基づく対話型セグメンテーション手法を提案する。
具体的には,提案する指数的測地距離によるユーザ提供の内部マージン点をエンコードし,cnnが先行および未発見のオブジェクトの良好な初期セグメンテーション結果を達成することを可能とし,その初期セグメンテーションと少数の追加ユーザクリックのみを組み合わせる新しい情報融合手法を用いて,高精度なセグメンテーションを得る。
2次元および3次元の医用画像セグメンテーションタスクについて,トレーニングセットに存在しない広範囲の未発見物体を用いて広範な実験を行い,提案手法の有効性を確認した。
実験結果から,提案したフレームワークは,現状の対話型フレームワークと比較してユーザインタラクションが小さく,時間も少なく,また,従来は見つからなかったオブジェクトに最適化できることがわかった。
関連論文リスト
- Scribble-based fast weak-supervision and interactive corrections for
segmenting whole slide images [5.276054618115727]
本稿では,スライス組織像全体のセグメンテーションにおける2つの大きな課題に対処するために,ユーザインタラクションを最小限に抑えた動的インタラクティブかつ弱教師付きセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2024-02-13T09:57:35Z) - PE-MED: Prompt Enhancement for Interactive Medical Image Segmentation [9.744164910887223]
本稿では,対話型医用画像分割のためのプロンプトエンハンスメント(PE-MED)を備えた新しいフレームワークを提案する。
まず、最初のプロンプトに基づいて、温かい初期セグメンテーション結果を生成するセルフループ戦略を導入する。
第2に、1つのインタラクションにおいて有用な情報をマイニングするための新しいPrompt Attention Learning Module (PALM)を提案する。
論文 参考訳（メタデータ） (2023-08-26T03:11:48Z) - Two Approaches to Supervised Image Segmentation [55.616364225463066]
本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。
ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。
代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
論文 参考訳（メタデータ） (2023-07-19T16:42:52Z) - AF$_2$: Adaptive Focus Framework for Aerial Imagery Segmentation [86.44683367028914]
航空画像のセグメンテーションにはいくつかの独特な課題があり、中でも最も重要なものは前景と背景のアンバランスにある。
本稿では,階層的なセグメンテーション手法を採用し,マルチスケール表現を適応的に活用するAdaptive Focus Framework (AF$)を提案する。
AF$は、広く使われている3つの航空ベンチマークの精度を大幅に改善した。
論文 参考訳（メタデータ） (2022-02-18T10:14:45Z) - Interactive Segmentation via Deep Learning and B-Spline Explicit Active
Surfaces [4.879071251245923]
本稿では,新しい対話型CNNベースのセグメンテーションフレームワークを提案する。
フレームワークのインタラクティブな要素により、ユーザはリアルタイムで輪郭を正確に編集できる。
この枠組みは2次元超音波画像からレバターの2次元セグメンテーションに応用された。
論文 参考訳（メタデータ） (2021-10-25T13:17:53Z) - Target-Aware Object Discovery and Association for Unsupervised Video
Multi-Object Segmentation [79.6596425920849]
本稿では,教師なしビデオマルチオブジェクトセグメンテーションの課題について述べる。
より正確で効率的な時間区分のための新しいアプローチを紹介します。
DAVIS$_17$とYouTube-VISに対する提案手法を評価した結果,セグメント化精度と推論速度の両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2021-04-10T14:39:44Z) - Multi-Stage Fusion for One-Click Segmentation [20.00726292545008]
対話型セグメンテーションのための多段階ガイダンスフレームワークを提案する。
提案フレームワークは,早期融合フレームワークと比較してパラメータ数の増加は無視できない。
論文 参考訳（メタデータ） (2020-10-19T17:07:40Z) - Towards Cross-modality Medical Image Segmentation with Online Mutual
Knowledge Distillation [71.89867233426597]
本稿では,あるモダリティから学習した事前知識を活用し,別のモダリティにおけるセグメンテーション性能を向上させることを目的とする。
モーダル共有知識を徹底的に活用する新しい相互知識蒸留法を提案する。
MMWHS 2017, MMWHS 2017 を用いた多クラス心筋セグメンテーション実験の結果, CT セグメンテーションに大きな改善が得られた。
論文 参考訳（メタデータ） (2020-10-04T10:25:13Z) - DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。
我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。
皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文 参考訳（メタデータ） (2020-08-19T06:02:46Z) - 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) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳（メタデータ） (2020-03-23T14:35:08Z)
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。