論文の概要: Encoder-Decoder Architectures for Clinically Relevant Coronary Artery Segmentation

• arxiv url: http://arxiv.org/abs/2106.11447v1
• Date: Mon, 21 Jun 2021 23:32:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-23 15:03:03.624769
• Title: Encoder-Decoder Architectures for Clinically Relevant Coronary Artery Segmentation
• Title（参考訳）: Encoder-Decoder Architectures for Clinically Relevant Coronary Artery Segmentation
• Authors: Jo\~ao Louren\c{c}o Silva, Miguel Nobre Menezes, Tiago Rodrigues, Beatriz Silva, Fausto J. Pinto, Arlindo L. Oliveira
• Abstract要約: 冠動脈疾患の診断と治療には,冠動脈X線アンギオグラフィが重要である。 従来のアプローチでは、最適でないセグメンテーション基準を使用しており、あまり有用な結果が得られていない。 本稿では,新しいデコーダアーキテクチャであるEfficientUNet++を用いて,効率的かつ高性能なセグメンテーションモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coronary X-ray angiography is a crucial clinical procedure for the diagnosis and treatment of coronary artery disease, which accounts for roughly 16% of global deaths every year. However, the images acquired in these procedures have low resolution and poor contrast, making lesion detection and assessment challenging. Accurate coronary artery segmentation not only helps mitigate these problems, but also allows the extraction of relevant anatomical features for further analysis by quantitative methods. Although automated segmentation of coronary arteries has been proposed before, previous approaches have used non-optimal segmentation criteria, leading to less useful results. Most methods either segment only the major vessel, discarding important information from the remaining ones, or segment the whole coronary tree based mostly on contrast information, producing a noisy output that includes vessels that are not relevant for diagnosis. We adopt a better-suited clinical criterion and segment vessels according to their clinical relevance. Additionally, we simultaneously perform catheter segmentation, which may be useful for diagnosis due to the scale factor provided by the catheter's known diameter, and is a task that has not yet been performed with good results. To derive the optimal approach, we conducted an extensive comparative study of encoder-decoder architectures trained on a combination of focal loss and a variant of generalized dice loss. Based on the EfficientNet and the UNet++ architectures, we propose a line of efficient and high-performance segmentation models using a new decoder architecture, the EfficientUNet++, whose best-performing version achieved average dice scores of 0.8904 and 0.7526 for the artery and catheter classes, respectively, and an average generalized dice score of 0.9234.
• Abstract（参考訳）: 冠動脈x線アンギオグラフィーは冠動脈疾患の診断と治療において重要な臨床手順であり、毎年全世界の死亡者の約16%を占めている。 しかし,これらの手法で得られた画像は解像度が低く,コントラストが低く,病変の検出や評価が困難である。 正確な冠動脈セグメンテーションはこれらの問題を緩和するだけでなく、関連する解剖学的特徴を抽出し、定量的手法によるさらなる分析を可能にする。 冠状動脈の自動分節法は以前から提案されてきたが, 従来のアプローチでは非最適分節基準を用いており, 有用性は低い。 ほとんどの方法は主要な血管のみを分割し、残りの血管から重要な情報を破棄するか、冠動脈全体をコントラスト情報に基づいて分割し、診断に関係のない血管を含むノイズを発生させる。 臨床関連性に応じて,より適合した臨床基準と分節血管を採用する。 また,カテーテル・セグメンテーションも同時に実施し,カテーテルの既知の直径のスケール因子による診断に有用であり,良好な結果が得られていない課題である。 最適アプローチを導出するために,焦点損失と一般化されたダイス損失の組み合わせを訓練したエンコーダ・デコーダアーキテクチャを広範囲に比較検討した。 efficientnet と unet++ のアーキテクチャに基づき,新しいデコーダアーキテクチャを用いた効率良く高性能なセグメンテーションモデル,動脈およびカテーテルクラスで平均 dice スコア 0.8904 と 0.7526 をそれぞれ達成した efficientunet++ と平均一般化 dice スコア 0.9234 のラインを提案する。

関連論文リスト

• 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)
• MPSeg : Multi-Phase strategy for coronary artery Segmentation [9.767759441883008]
  冠動脈セグメンテーションのための革新的多相戦略であるMPSegを提案する。 本手法は,これらの構造的複雑度に特化しており,SynTAXスコアの原理に準拠している。 特に, 自動冠状動脈疾患診断では, 異常な効果が認められた。
  論文  参考訳（メタデータ） (2023-11-17T03:33:09Z)
• SSASS: Semi-Supervised Approach for Stenosis Segmentation [9.767759441883008]
  冠状動脈構造の複雑さとX線像の固有ノイズが相まって,この課題には大きな課題が生じる。 心血管狭窄セグメンテーションに対する半監督的アプローチを提案する。 自動冠状動脈疾患診断では異常な成績を示した。
  論文  参考訳（メタデータ） (2023-11-17T02:01:19Z)
• Assessing Encoder-Decoder Architectures for Robust Coronary Artery Segmentation [11.137087573421258]
  本稿では,25個のエンコーダ/デコーダの組み合わせの性能について検討する。 エンコーダとデコーダとして機能するEfficientNet-LinkNetの組み合わせは注目に値する。 ディース係数は0.882で、ハースドルフの95%は4.753である。
  論文  参考訳（メタデータ） (2023-10-16T01:55:37Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Automated Assessment of Critical View of Safety in Laparoscopic Cholecystectomy [51.240181118593114]
  胆嚢摘出術(胆嚢摘出術)は米国で最も一般的な手術の一つで、年間1.2万回以上の手術が施行されている。 LCは胆管損傷(BDI)の増加と関連しており、致死率と死亡率が高い。 本稿では,LCにおける安全性評価(CVS)の自動化を目的とした深層学習手法を提案する。
  論文  参考訳（メタデータ） (2023-09-13T22:01:36Z)
• 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)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• 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)
• Automated Detection of Coronary Artery Stenosis in X-ray Angiography using Deep Neural Networks [0.0]
  X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。 左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
  論文  参考訳（メタデータ） (2021-03-04T11:45:54Z)
• 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。