論文の概要: Spatio-Temporal Dual-Stream Neural Network for Sequential Whole-Body PET
Segmentation
- arxiv url: http://arxiv.org/abs/2106.04961v1
- Date: Wed, 9 Jun 2021 10:15:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-10 14:59:39.280889
- Title: Spatio-Temporal Dual-Stream Neural Network for Sequential Whole-Body PET
Segmentation
- Title(参考訳): 逐次完全PETセグメント化のための時空間デュアルストリームニューラルネットワーク
- Authors: Kai-Chieh Liang, Lei Bi, Ashnil Kumar, Michael Fulham, Jinman Kim
- Abstract要約: 連続体PETスキャンをセグメント化する「デュアルストリーム」ニューラルネットワーク(ST-DSNN)を提案する。
我々のST-DSNNは、時間とともに行われたPET画像から画像の特徴を学習し、蓄積する。
その結果,本手法は最新のPET画像分割法よりも優れていた。
- 参考スコア(独自算出の注目度): 10.344707825773252
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sequential whole-body 18F-Fluorodeoxyglucose (FDG) positron emission
tomography (PET) scans are regarded as the imaging modality of choice for the
assessment of treatment response in the lymphomas because they detect treatment
response when there may not be changes on anatomical imaging. Any computerized
analysis of lymphomas in whole-body PET requires automatic segmentation of the
studies so that sites of disease can be quantitatively monitored over time.
State-of-the-art PET image segmentation methods are based on convolutional
neural networks (CNNs) given their ability to leverage annotated datasets to
derive high-level features about the disease process. Such methods, however,
focus on PET images from a single time-point and discard information from other
scans or are targeted towards specific organs and cannot cater for the multiple
structures in whole-body PET images. In this study, we propose a
spatio-temporal 'dual-stream' neural network (ST-DSNN) to segment sequential
whole-body PET scans. Our ST-DSNN learns and accumulates image features from
the PET images done over time. The accumulated image features are used to
enhance the organs / structures that are consistent over time to allow easier
identification of sites of active lymphoma. Our results show that our method
outperforms the state-of-the-art PET image segmentation methods.
- Abstract(参考訳): 全身18f-フルオロデオキシグルコース(fdg)ポジトロントモグラフィ(pet)スキャンは、解剖学的画像で変化しない場合の治療反応を検出できるため、リンパ腫の治療反応の評価に最適なイメージングモードとみなされる。
全身PETにおけるリンパ腫のコンピュータ解析は、疾患の部位を時間とともに定量的に監視できるように、研究の自動セグメンテーションを必要とする。
最新のPET画像セグメンテーション手法は、注釈付きデータセットを活用して疾患プロセスに関する高レベルな特徴を導き出す能力から、畳み込みニューラルネットワーク(CNN)に基づいている。
しかし、そのような方法は、1つの時間点からのPET画像に焦点をあて、他のスキャンからの情報を捨てたり、特定の臓器に向けられたりすることで、全身PET画像の複数の構造に注意を向けることができない。
本研究では, 逐次的全体PETスキャンのための時空間「デュアルストリーム」ニューラルネットワーク (ST-DSNN) を提案する。
我々のST-DSNNは、時間とともに行われたPET画像から画像の特徴を学習し、蓄積する。
蓄積された画像の特徴は、活動性リンパ腫の部位の同定を容易にするために、時間とともに一貫した臓器や構造を強化するために使用される。
その結果,本手法は最新のPET画像分割法よりも優れていた。
関連論文リスト
- A cascaded deep network for automated tumor detection and segmentation
in clinical PET imaging of diffuse large B-cell lymphoma [0.41579653852022364]
PET画像からのDLBCL腫瘍の自動検出と分画のための高速で効率的な3段階の深層学習モデルの開発と検証を行った。
本モデルは,全身PET画像における腫瘍の分節化において,単一のエンドツーエンドネットワークよりも有効である。
論文 参考訳(メタデータ) (2024-03-11T18:36:55Z) - Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine
PET Reconstruction [62.29541106695824]
本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。
計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。
2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
論文 参考訳(メタデータ) (2023-08-20T04:10:36Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳(メタデータ) (2023-05-27T03:55:19Z) - CG-3DSRGAN: A classification guided 3D generative adversarial network
for image quality recovery from low-dose PET images [10.994223928445589]
PET画像では, トレーサー線量による高放射能が主な関心事である。
投与量を減少させると、画像の質が不十分になる。
CNNを用いた低線量PET合成法が開発されている。
論文 参考訳(メタデータ) (2023-04-03T05:39:02Z) - 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) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Evidential segmentation of 3D PET/CT images [20.65495780362289]
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。
論文 参考訳(メタデータ) (2021-04-27T16:06:27Z) - Predicting Distant Metastases in Soft-Tissue Sarcomas from PET-CT scans
using Constrained Hierarchical Multi-Modality Feature Learning [14.60163613315816]
Distant metastases (DM) は軟部肉腫 (STS) 患者における主要な死因である
STS患者が転移を発症する画像研究から判断することは困難である。
PET-CTデータから患者のDMを予測する3D CNNについて概説する。
論文 参考訳(メタデータ) (2021-04-23T05:12:02Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳(メタデータ) (2020-10-07T06:22:24Z) - Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest
CT Images [41.73507451077361]
本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。
コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。
以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
論文 参考訳(メタデータ) (2020-06-16T10:14:58Z) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-04-12T16:24:59Z)
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。