論文の概要: EnMcGAN: Adversarial Ensemble Learning for 3D Complete Renal Structures
Segmentation
- arxiv url: http://arxiv.org/abs/2106.04130v1
- Date: Tue, 8 Jun 2021 06:40:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-10 06:09:19.407813
- Title: EnMcGAN: Adversarial Ensemble Learning for 3D Complete Renal Structures
Segmentation
- Title（参考訳）: EnMcGAN:3次元完全腎構造セグメンテーションのための逆アンサンブル学習
- Authors: Yuting He, Rongjun Ge, Xiaoming Qi, Guanyu Yang, Yang Chen, Youyong
Kong, Huazhong Shu, Jean-Louis Coatrieux, Shuo Li
- Abstract要約: 3次元完全腎構造(CRS)セグメンテーションは、腎臓、腫瘍、腎動脈、静脈を1つの推論でセグメント化することを目的としている。
腎構造の複雑な形状,低コントラスト,大きな解剖学的変化により,3次元CRSセグメンテーションは成功しなかった。
本研究では,3次元CRSセグメンテーションのための逆アンサンブル学習とEnsemble Multi-condition GAN(EnMcGAN)を提案する。
- 参考スコア（独自算出の注目度）: 15.43823931396036
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 3D complete renal structures(CRS) segmentation targets on segmenting the
kidneys, tumors, renal arteries and veins in one inference. Once successful, it
will provide preoperative plans and intraoperative guidance for laparoscopic
partial nephrectomy(LPN), playing a key role in the renal cancer treatment.
However, no success has been reported in 3D CRS segmentation due to the complex
shapes of renal structures, low contrast and large anatomical variation. In
this study, we utilize the adversarial ensemble learning and propose Ensemble
Multi-condition GAN(EnMcGAN) for 3D CRS segmentation for the first time. Its
contribution is three-fold. 1)Inspired by windowing, we propose the
multi-windowing committee which divides CTA image into multiple narrow windows
with different window centers and widths enhancing the contrast for salient
boundaries and soft tissues. And then, it builds an ensemble segmentation model
on these narrow windows to fuse the segmentation superiorities and improve
whole segmentation quality. 2)We propose the multi-condition GAN which equips
the segmentation model with multiple discriminators to encourage the segmented
structures meeting their real shape conditions, thus improving the shape
feature extraction ability. 3)We propose the adversarial weighted ensemble
module which uses the trained discriminators to evaluate the quality of
segmented structures, and normalizes these evaluation scores for the ensemble
weights directed at the input image, thus enhancing the ensemble results. 122
patients are enrolled in this study and the mean Dice coefficient of the renal
structures achieves 84.6%. Extensive experiments with promising results on
renal structures reveal powerful segmentation accuracy and great clinical
significance in renal cancer treatment.
- Abstract（参考訳）: 3次元完全腎構造(CRS)セグメンテーションは、腎臓、腫瘍、腎動脈、静脈を1つの推論でセグメント化することを目的としている。
一度成功すれば、腹腔鏡下部分腎切除術(LPN)の術前計画と術中指導が腎癌治療において重要な役割を果たす。
しかし, 腎構造の複雑な形状, 低コントラスト, 解剖学的変化により, 3次元CRSセグメンテーションは成功しなかった。
本研究では,3次元CRSセグメンテーションのための逆アンサンブル学習とEnsemble Multi-condition GAN(EnMcGAN)を提案する。
その貢献は3倍である。
1) ウィンドウ化に触発されて, cta イメージを窓中心と幅の異なる複数の狭い窓に分割し, 高度境界と軟組織とのコントラストを高めるマルチウィンドウ化委員会を提案する。
そして、これらの狭い窓にアンサンブルセグメンテーションモデルを構築し、セグメンテーションの優位性を融合させ、セグメンテーション全体の品質を向上させる。
2) 分割モデルに複数の識別器を組み込んだ多条件GANを提案し, 実際の形状条件を満たすセグメント構造を奨励し, 形状特徴抽出能力を向上させる。
3) 訓練された判別器を用いてセグメント構造の品質評価を行う逆重みアンサンブルモジュールを提案し,これらの評価スコアを入力画像に対するアンサンブルウェイトに対して正規化し,アンサンブル結果の向上を図る。
この研究には122人の患者が登録されており、腎構造の平均dice係数は84.6%に達する。
腎構造に有望な結果をもたらす広範な実験により、腎癌治療において強力な分節精度と大きな臨床的意義が明らかになった。
関連論文リスト
- Optimized Vessel Segmentation: A Structure-Agnostic Approach with Small Vessel Enhancement and Morphological Correction [7.882674026364302]
マルチモーダル血管セグメンテーションのための小型血管拡張と形態的補正を取り入れた構造診断手法を提案する。
本手法は,より優れたセグメンテーション精度,一般化,34.6%の接続性向上を実現し,臨床応用の可能性を強調した。
論文 参考訳（メタデータ） (2024-11-22T08:38:30Z) - Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。
半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文 参考訳（メタデータ） (2023-12-26T12:56:31Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - Structure-aware registration network for liver DCE-CT images [50.28546654316009]
セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。
提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
論文 参考訳（メタデータ） (2023-03-08T14:08:56Z) - 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) - WSC-Trans: A 3D network model for automatic multi-structural
segmentation of temporal bone CT [5.821303529939008]
側頭骨CTにおける多構造目標の自動セグメンテーションのための3次元ネットワークモデルを提案する。
このアルゴリズムは特徴抽出のためにCNNとTransformerを組み合わせて,空間的注意とチャネル注意機構を活用し,セグメンテーション効果をさらに改善する。
論文 参考訳（メタデータ） (2022-11-14T06:44:37Z) - CANet: Channel Extending and Axial Attention Catching Network for
Multi-structure Kidney Segmentation [0.9115927248875568]
マルチ構造腎セグメンテーションのためのチャネル延長および軸方向注意捕捉ネットワーク(CANet)を提案する。
腎, 腫瘍, 動脈, 静脈の95.8%, 89.1%, 87.5%, 84.9%のダイススコアを得た。
論文 参考訳（メタデータ） (2022-08-10T09:49:19Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z) - A Deep Learning-Based Approach to Extracting Periosteal and Endosteal
Contours of Proximal Femur in Quantitative CT Images [25.76523855274612]
セグメンテーションタスクのために,3次元の終端(3D)完全畳み込みニューラルネットワークを開発した。
同一のネットワーク構造を持つ2つのモデルが訓練され、それぞれ腹腔内輪郭と内皮輪郭に対して97.87%と96.49%のサイコロ類似係数(DSC)を達成した。
大腿骨頚部骨折のリスク予測や有限要素解析などの臨床応用の可能性を示した。
論文 参考訳（メタデータ） (2021-02-03T10:23:41Z) - Multi-class probabilistic atlas-based whole heart segmentation method in
cardiac CT and MRI [4.144197343838299]
本稿では,非剛性登録に基づく確率的アトラスを用いたマルチクラス全心セグメンテーションの枠組みを提案する。
また,高い到達可能な相互情報を得るためのマルチレゾリューション戦略を利用した非剛性登録パイプラインを提案する。
提案手法は,CTスキャンにおいて平均ボリュームオーバーラップ誤差が14.5 % であることを示す。
論文 参考訳（メタデータ） (2021-02-03T01:02:09Z) - Rethinking the Extraction and Interaction of Multi-Scale Features for
Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。
PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文 参考訳（メタデータ） (2020-10-09T08:22:54Z)
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。