Fugu-MT 論文翻訳(概要): Evidential segmentation of 3D PET/CT images

論文の概要: Evidential segmentation of 3D PET/CT images

arxiv url: http://arxiv.org/abs/2104.13293v1
Date: Tue, 27 Apr 2021 16:06:27 GMT
ステータス: 処理完了
システム内更新日: 2021-04-28 13:20:47.795921
Title: Evidential segmentation of 3D PET/CT images
Title（参考訳）: 3次元PET/CT画像のエビデンシャルセグメンテーション
Authors: Ling Huang, Su Ruan, Pierre Decazes, Thierry Denoeux
Abstract要約: 3D PET/CT画像におけるリンパ腫のセグメント化には、信念関数に基づくセグメンテーション法が提案されている。アーキテクチャは特徴抽出モジュールと明白なセグメンテーション(ES)モジュールで構成されている。びまん性大細胞性b細胞リンパ腫173例のデータベース上で評価した。
参考スコア（独自算出の注目度）: 20.65495780362289
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: PET and CT are two modalities widely used in medical image analysis. Accurately detecting and segmenting lymphomas from these two imaging modalities are critical tasks for cancer staging and radiotherapy planning. However, this task is still challenging due to the complexity of PET/CT images, and the computation cost to process 3D data. In this paper, a segmentation method based on belief functions is proposed to segment lymphomas in 3D PET/CT images. The architecture is composed of a feature extraction module and an evidential segmentation (ES) module. The ES module outputs not only segmentation results (binary maps indicating the presence or absence of lymphoma in each voxel) but also uncertainty maps quantifying the classification uncertainty. The whole model is optimized by minimizing Dice and uncertainty loss functions to increase segmentation accuracy. The method was evaluated on a database of 173 patients with diffuse large b-cell lymphoma. Quantitative and qualitative results show that our method outperforms the state-of-the-art methods.
Abstract（参考訳）: PETとCTは医用画像解析に広く用いられている2つのモダリティである。これら2つの画像モダリティから正確なリンパ腫の検出と分節化は、がんのステージングと放射線治療計画にとって重要な課題である。しかし,PET/CT画像の複雑化や3Dデータの処理に要する計算コストのため,この作業は依然として困難である。本稿では,3次元PET/CT画像のセグメンテーションリンパ腫に対して,信念関数に基づくセグメンテーション法を提案する。アーキテクチャは、特徴抽出モジュールと、証拠セグメンテーション(es)モジュールから構成されている。 ESモジュールはセグメンテーション結果(各ボクセルにリンパ腫の有無を示すバイナリマップ)だけでなく、分類の不確実性を定量化する不確実性マップも出力する。モデル全体の最適化はDiceと不確実性損失関数を最小化し、セグメンテーション精度を向上する。びまん性大細胞性b細胞リンパ腫173例のデータベース上で評価した。定量的および定性的な結果から,本手法は最先端の手法よりも優れていることが示された。

関連論文リスト

Multi-modal Evidential Fusion Network for Trustworthy PET/CT Tumor Segmentation [5.839660501978193]
臨床環境では,PET画像とCT画像の画質は著しく変化し,ネットワークによって抽出されるモダリティ情報の不確実性が生じる。我々は,CFL(Cross-Modal Feature Learning)とMTF(Multi-Modal Trustworthy Fusion)の2つの基本段階からなる,新しいMulti-Modal Evidential Fusion Network(MEFN)を提案する。本モデルでは, 自動セグメンテーション結果の受け入れや拒絶の判断において, セグメンテーション結果の確実な不確実性を, 放射線技師に提供することができる。
論文参考訳（メタデータ） (2024-06-26T13:14:24Z)
A Two-Stage Generative Model with CycleGAN and Joint Diffusion for MRI-based Brain Tumor Detection [41.454028276986946]
本稿では,脳腫瘍の検出とセグメンテーションを改善するための2段階生成モデル(TSGM)を提案する。 CycleGANは、未ペアデータに基づいてトレーニングされ、データとして正常な画像から異常な画像を生成する。 VE-JPは、合成対の異常画像をガイドとして使用して、健康な画像の再構成を行う。
論文参考訳（メタデータ） (2023-11-06T12:58:26Z)
3DSAM-adapter: Holistic adaptation of SAM from 2D to 3D for promptable tumor segmentation [52.699139151447945]
医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
論文参考訳（メタデータ） (2023-06-23T12:09:52Z)
Diff-UNet: A Diffusion Embedded Network for Volumetric Segmentation [41.608617301275935]
医療用ボリュームセグメンテーションのための新しいエンドツーエンドフレームワークDiff-UNetを提案する。提案手法では,拡散モデルを標準U字型アーキテクチャに統合し,入力ボリュームから意味情報を効率的に抽出する。われわれは,MRI,肝腫瘍,多臓器CTの3種類の脳腫瘍について検討した。
論文参考訳（メタデータ） (2023-03-18T04:06:18Z)
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)
Whole-Body Lesion Segmentation in 18F-FDG PET/CT [11.662584140924725]
提案モデルは, 全身の病変を予測するために, 2D と 3D nnUNET アーキテクチャを基礎として設計されている。提案手法は, ダイススコア, 偽陽性ボリューム, 偽陰性ボリュームの計測値において, 病変のセグメンテーション性能を計測するAutoPet Challengeの文脈で評価する。
論文参考訳（メタデータ） (2022-09-16T10:49:53Z)
Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文参考訳（メタデータ） (2022-02-22T15:24:06Z)
Lymphoma segmentation from 3D PET-CT images using a deep evidential network [20.65641432056608]
3Dポジトロン・エミッション・トモグラフィ(PET)画像とCT画像から悪性リンパ腫を分離するために, 自動顕在性セグメンテーション法を提案する。アーキテクチャは、深い特徴抽出モジュールと明らかな層から構成される。提案手法の深部特徴抽出と明らかなセグメンテーションの組み合わせは,ベースラインUNetモデルより優れていることを示す。
論文参考訳（メタデータ） (2022-01-31T09:34:38Z)
Deep PET/CT fusion with Dempster-Shafer theory for lymphoma segmentation [17.623576885481747]
PET/CTボリュームからのリンパ腫の検出とセグメンテーションは外科的適応と放射線治療に不可欠である。 PET/CT融合層を有するUNetを用いた悪性リンパ腫のセグメンテーションモデルを提案する。 Diceスコア0.726で正確なセグメンテーション結果を得る。
論文参考訳（メタデータ） (2021-08-11T19:24:40Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)
Multimodal Spatial Attention Module for Targeting Multimodal PET-CT Lung Tumor Segmentation [11.622615048002567]
マルチモーダル空間アテンションモジュール(MSAM)は腫瘍に関連する領域を強調することを学ぶ。 MSAMは一般的なバックボーンアーキテクチャやトレーニングされたエンドツーエンドに適用できる。
論文参考訳（メタデータ） (2020-07-29T10:27:22Z)

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。