Fugu-MT 論文翻訳(概要): Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions

論文の概要: Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions

arxiv url: http://arxiv.org/abs/2105.13153v1
Date: Thu, 27 May 2021 13:54:59 GMT
ステータス: 処理完了
システム内更新日: 2021-05-29 00:35:59.158320
Title: Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions
Title（参考訳）: 形状認識輪郭注意によるCT画像の心臓分画
Authors: Sanguk Park and Minyoung Chung
Abstract要約: 心臓臓器は複数のサブ構造(心室、心房、大動脈、動脈、静脈、心筋)から構成される。これらの心筋サブ構造は互いに近縁であり、識別不能な境界を持つ。形状と境界認識機能を利用する新しいモデルを提案する。
参考スコア（独自算出の注目度）: 1.212901554957637
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Cardiac segmentation of atriums, ventricles, and myocardium in computed tomography (CT) images is an important first-line task for presymptomatic cardiovascular disease diagnosis. In several recent studies, deep learning models have shown significant breakthroughs in medical image segmentation tasks. Unlike other organs such as the lungs and liver, the cardiac organ consists of multiple substructures, i.e., ventricles, atriums, aortas, arteries, veins, and myocardium. These cardiac substructures are proximate to each other and have indiscernible boundaries (i.e., homogeneous intensity values), making it difficult for the segmentation network focus on the boundaries between the substructures. In this paper, to improve the segmentation accuracy between proximate organs, we introduce a novel model to exploit shape and boundary-aware features. We primarily propose a shape-aware attention module, that exploits distance regression, which can guide the model to focus on the edges between substructures so that it can outperform the conventional contour-based attention method. In the experiments, we used the Multi-Modality Whole Heart Segmentation dataset that has 20 CT cardiac images for training and validation, and 40 CT cardiac images for testing. The experimental results show that the proposed network produces more accurate results than state-of-the-art networks by improving the Dice similarity coefficient score by 4.97%. Our proposed shape-aware contour attention mechanism demonstrates that distance transformation and boundary features improve the actual attention map to strengthen the responses in the boundary area. Moreover, our proposed method significantly reduces the false-positive responses of the final output, resulting in accurate segmentation.
Abstract（参考訳）: CT画像における心房, 心室, 心筋のセグメンテーションは, 心血管疾患診断の第一線として重要な課題である。最近のいくつかの研究で、深層学習モデルは医療画像分割タスクにおいて大きなブレークスルーを示している。肺や肝臓などの他の臓器とは異なり、心臓臓器は複数のサブ構造(心室、心房、大動脈、動脈、静脈、心筋)から構成される。これらの心サブ構造は互いに近縁であり、識別できない境界(等質な強度値)を持つため、セグメンテーションネットワークがサブ構造間の境界に集中するのは困難である。本稿では,近位臓器間のセグメンテーション精度を向上させるため,形状と境界認識機能を利用する新しいモデルを提案する。形状認識型アテンションモジュールを主に提案し, 距離回帰を活用し, モデルがサブ構造間のエッジに焦点を合わせるように誘導することで, 従来の輪郭型アテンション法を上回らせることができる。実験では、トレーニングと検証のために20個のct心筋画像と、テストのために40個のct心筋画像を含むマルチモダリティ全心分画データセットを用いた。実験の結果,Diceの類似度係数のスコアを4.97%向上させることにより,現状のネットワークよりも正確な結果が得られることがわかった。提案した形状認識輪郭注意機構は, 距離変換と境界特性が実際の注意マップを改善し, 境界領域の応答を強化することを実証する。さらに,提案手法は最終出力の偽陽性反応を著しく低減し,精度の高いセグメンテーションを実現する。

関連論文リスト

EigenHearts: Cardiac Diseases Classification Using EigenFaces Approach [2.2851400085359685]
心疾患の分類におけるEigenFacesアプローチの応用について検討した。我々は、心エコー図法における固有顔アプローチから着想を得た前処理ステップを実行し、ポッドモードのセットを生成し、それを固有ハートと呼ぶ。その結果,SVDを前処理に用いた場合,分類精度は約50%向上した。
論文参考訳（メタデータ） (2024-11-25T09:41:20Z)
AGFA-Net: Attention-Guided and Feature-Aggregated Network for Coronary Artery Segmentation using Computed Tomography Angiography [5.583495103569884]
CCTA画像を用いた冠動脈セグメンテーションのための注意誘導型3Dディープネットワーク(AGFA-Net)を提案する。 AGFA-Netは注意機構と機能改善モジュールを活用して、有能な特徴を捉え、セグメンテーションの精度を高める。 1000個のCCTAスキャンからなるデータセットの評価はAGFA-Netの優れた性能を示し、平均Dice係数は86.74%、ハウスドルフ距離は0.23mmである。
論文参考訳（メタデータ） (2024-06-13T01:04:47Z)
Coronary artery segmentation in non-contrast calcium scoring CT images using deep learning [2.2687766762329886]
非コントラスト心エコー画像における冠状動脈のセグメンテーションのためのディープラーニングアルゴリズムを提案する。テストGTを作成するために,手動メッシュ画像登録のための新しい手法を提案する。実験結果から,トレーニングに使用するGTよりもトレーニングモデルの精度が有意に高く,相互変動に近いDiceとclDiceの測定値が得られた。
論文参考訳（メタデータ） (2024-03-04T23:40:02Z)
Crop and Couple: cardiac image segmentation using interlinked specialist networks [0.5452923068355806]
本稿では,単一解剖学に焦点を当てた専門的ネットワークを用いてセグメンテーションを行う新しい戦略を提案する。入力長軸心MR画像から、第1段階で第3次分割を行い、これらの解剖学的領域を同定する。専門家ネットワークは、異なる解剖学の特徴を相互に関連付けるための注意機構を介して結合される。
論文参考訳（メタデータ） (2024-02-14T13:14:04Z)
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)
Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文参考訳（メタデータ） (2022-08-22T22:01:44Z)
Cardiac Adipose Tissue Segmentation via Image-Level Annotations [8.705311618392368]
我々は,ヒト心基質のCT画像に画像レベルのアノテーションを用いた心脂肪組織分画のための2段階の深層学習フレームワークを開発した。本研究は, 自動組織解析の需要と高品質な画素アノテーションの欠如とのギャップを埋めるものである。
論文参考訳（メタデータ） (2022-06-09T02:55:35Z)
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)
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)
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)
A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。技術および生物学的指標を用いた提案アルゴリズムの解析を行った。その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。