論文の概要: Left Ventricle Contouring in Cardiac Images Based on Deep Reinforcement
Learning
- arxiv url: http://arxiv.org/abs/2106.04127v1
- Date: Tue, 8 Jun 2021 06:30:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-10 06:16:37.641579
- Title: Left Ventricle Contouring in Cardiac Images Based on Deep Reinforcement
Learning
- Title（参考訳）: 深部強化学習に基づく心画像の左室輪郭形成
- Authors: Sixing Yin, Yameng Han, Shufang Li
- Abstract要約: 本稿では,エージェント強化学習に基づく医用画像のインタラクティブセグメンテーション手法を提案する。
我々は,ある順序で対象輪郭を描画する動的過程を,深い強化学習法に基づくマルコフ決定過程(MDP)としてモデル化する。
実験の結果, 少数の医用画像データセットにおいて, 左室のセグメンテーション効果は良好であった。
- 参考スコア（独自算出の注目度）: 0.12891210250935145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Medical image segmentation is one of the important tasks of computer-aided
diagnosis in medical image analysis. Since most medical images have the
characteristics of blurred boundaries and uneven intensity distribution,
through existing segmentation methods, the discontinuity within the target area
and the discontinuity of the target boundary are likely to lead to rough or
even erroneous boundary delineation. In this paper, we propose a new iterative
refined interactive segmentation method for medical images based on agent
reinforcement learning, which focuses on the problem of target segmentation
boundaries. We model the dynamic process of drawing the target contour in a
certain order as a Markov Decision Process (MDP) based on a deep reinforcement
learning method. In the dynamic process of continuous interaction between the
agent and the image, the agent tracks the boundary point by point in order
within a limited length range until the contour of the target is completely
drawn. In this process, the agent can quickly improve the segmentation
performance by exploring an interactive policy in the image. The method we
proposed is simple and effective. At the same time, we evaluate our method on
the cardiac MRI scan data set. Experimental results show that our method has a
better segmentation effect on the left ventricle in a small number of medical
image data sets, especially in terms of segmentation boundaries, this method is
better than existing methods. Based on our proposed method, the dynamic
generation process of the predicted contour trajectory of the left ventricle
will be displayed online at https://github.com/H1997ym/LV-contour-trajectory.
- Abstract（参考訳）: 医用画像分割は, 医用画像解析におけるコンピュータ支援診断の重要な課題の一つである。
ほとんどの医用画像は、ぼやけた境界と不均一な強度分布の特徴を有するため、既存のセグメンテーション法により、対象領域内の不連続性と目標境界の不連続性は、粗い、あるいは不規則な境界境界分断につながる可能性がある。
本稿では,目標セグメンテーション境界の問題に焦点をあてたエージェント強化学習に基づく,医用画像の反復的インタラクティブセグメンテーション手法を提案する。
我々は,ある順序で対象輪郭を描画する動的過程を,深い強化学習法に基づくマルコフ決定過程(MDP)としてモデル化する。
エージェントと画像との連続的な相互作用のダイナミックなプロセスにおいて、エージェントは、対象の輪郭が完全に描画されるまで、限られた長さの範囲内で境界点を順次追跡する。
この過程で、画像内のインタラクティブなポリシーを探索することにより、セグメンテーション性能を迅速に向上することができる。
提案手法は単純かつ効果的である。
同時に、心臓MRIスキャンデータセットを用いて、本手法の評価を行った。
実験結果から,本手法は少数の医用画像データセットにおいて左室のセグメンテーション効果に優れており,特にセグメンテーション境界では既存の方法よりも優れていることがわかった。
提案手法に基づいて,左室の輪郭軌跡の動的生成過程をhttps://github.com/H1997ym/LV-輪郭軌跡でオンライン化する。
関連論文リスト
- Self-supervised Semantic Segmentation: Consistency over Transformation [3.485615723221064]
Inception Large Kernel Attention (I-LKA) モジュールをベースとしたロバストなフレームワークを統合した新しい自己教師型アルゴリズム textbfS$3$-Net を提案する。
我々は、変形可能な畳み込みを積分成分として利用し、優れた物体境界定義のための歪み変形を効果的に捕捉し、デライン化する。
皮膚病変および肺臓器の分節タスクに関する実験結果から,SOTA法と比較して,本手法の優れた性能を示した。
論文 参考訳（メタデータ） (2023-08-31T21:28:46Z) - CGAM: Click-Guided Attention Module for Interactive Pathology Image
Segmentation via Backpropagating Refinement [8.590026259176806]
腫瘍領域のセグメンテーションは、デジタル病理の定量的解析に欠かせない課題である。
最近のディープニューラルネットワークは、様々な画像分割タスクで最先端のパフォーマンスを示している。
本稿では,クリック型ユーザインタラクションによるディープニューラルネットワークの出力を改良する対話的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） (2023-07-03T13:45:24Z) - Implicit Anatomical Rendering for Medical Image Segmentation with
Stochastic Experts [11.007092387379078]
医用画像セグメンテーションの学習を支援するために,解剖学的レベルで設計された汎用的な暗黙的ニューラルネットワークレンダリングフレームワークであるMORSEを提案する。
医用画像のセグメンテーションをエンドツーエンドのレンダリング問題として定式化する。
実験の結果,MORSEは異なる医療セグメントのバックボーンでうまく機能することが示された。
論文 参考訳（メタデータ） (2023-04-06T16:44:03Z) - Systematic Clinical Evaluation of A Deep Learning Method for Medical
Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。
本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文 参考訳（メタデータ） (2021-08-21T16:15:40Z) - Uncertainty-Based Dynamic Graph Neighborhoods For Medical Segmentation [0.0]
セグメンテーションの結果の処理と精錬は、セグメンテーションネットワークから派生した誤分類を減らすための一般的な手法である。
グラフベースのアプローチでは、グラフ内の特定の不確実点を利用し、小さなグラフ畳み込みネットワーク(GCN)に従ってセグメンテーションを洗練する。
本稿では,特徴距離に応じた新しい隣人選択機構を提案し,トレーニング手順における2つのネットワークの組み合わせを提案する。
論文 参考訳（メタデータ） (2021-08-06T13:39:35Z) - 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) - Contrastive Rendering for Ultrasound Image Segmentation [59.23915581079123]
米国の画像にシャープな境界がないことは、セグメンテーションに固有の課題である。
我々は,US画像における境界推定を改善するための,新しい,効果的なフレームワークを提案する。
提案手法は最先端の手法より優れており,臨床応用の可能性も高い。
論文 参考訳（メタデータ） (2020-10-10T07:14:03Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray
Images [0.0]
医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。
本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
論文 参考訳（メタデータ） (2020-07-01T20:48:35Z) - Towards Interpretable Semantic Segmentation via Gradient-weighted Class
Activation Mapping [71.91734471596432]
本稿では,セマンティックセグメンテーションの解法としてSEG-GRAD-CAMを提案する。
本手法は,各画素のセグメンテーションに対する関連性を示すヒートマップを作成するために局所的に適用された広く使われているGrad-CAM法の拡張である。
論文 参考訳（メタデータ） (2020-02-26T12:32:40Z) - Unsupervised Bidirectional Cross-Modality Adaptation via Deeply
Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。
提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。
2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
論文 参考訳（メタデータ） (2020-02-06T13:49:47Z)
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。