論文の概要: Improved-Mask R-CNN: Towards an Accurate Generic MSK MRI instance segmentation platform (Data from the Osteoarthritis Initiative)

• arxiv url: http://arxiv.org/abs/2107.12889v1
• Date: Tue, 27 Jul 2021 15:41:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-28 14:48:37.954710
• Title: Improved-Mask R-CNN: Towards an Accurate Generic MSK MRI instance segmentation platform (Data from the Osteoarthritis Initiative)
• Title（参考訳）: Improved-Mask R-CNN:to toward acurate Generic MSK MRI instance segmentation platform (Data from theartharthritis Initiative)
• Authors: Banafshe Felfeliyan, Abhilash Hareendranathan, Gregor Kuntze, Jacob L. Jaremko, Janet L. Ronsky
• Abstract要約: 本研究は, OA関連組織に対するより正確な一般化セグメンテーションを得るために, Mask R-CNNインスタンスセグメンテーションをデプロイし, 改良した(改良した-Mask R-CNN)。 変形性股関節症(OAI)データセットから得られた500個のMRI膝と97個のMRIスキャンを用いて,この方法の訓練と評価を行った。 iMaskRCNNは,大腿骨の95%から98%に,大腿骨の95%から97%に,大腿骨軟骨の71%から80%に,大腿骨軟骨の81%から82%に,骨と軟骨のセグメンテーションを改善した。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objective assessment of Magnetic Resonance Imaging (MRI) scans of osteoarthritis (OA) can address the limitation of the current OA assessment. Segmentation of bone, cartilage, and joint fluid is necessary for the OA objective assessment. Most of the proposed segmentation methods are not performing instance segmentation and suffer from class imbalance problems. This study deployed Mask R-CNN instance segmentation and improved it (improved-Mask R-CNN (iMaskRCNN)) to obtain a more accurate generalized segmentation for OA-associated tissues. Training and validation of the method were performed using 500 MRI knees from the Osteoarthritis Initiative (OAI) dataset and 97 MRI scans of patients with symptomatic hip OA. Three modifications to Mask R-CNN yielded the iMaskRCNN: adding a 2nd ROIAligned block, adding an extra decoder layer to the mask-header, and connecting them by a skip connection. The results were assessed using Hausdorff distance, dice score, and coefficients of variation (CoV). The iMaskRCNN led to improved bone and cartilage segmentation compared to Mask RCNN as indicated with the increase in dice score from 95% to 98% for the femur, 95% to 97% for tibia, 71% to 80% for femoral cartilage, and 81% to 82% for tibial cartilage. For the effusion detection, dice improved with iMaskRCNN 72% versus MaskRCNN 71%. The CoV values for effusion detection between Reader1 and Mask R-CNN (0.33), Reader1 and iMaskRCNN (0.34), Reader2 and Mask R-CNN (0.22), Reader2 and iMaskRCNN (0.29) are close to CoV between two readers (0.21), indicating a high agreement between the human readers and both Mask R-CNN and iMaskRCNN. Mask R-CNN and iMaskRCNN can reliably and simultaneously extract different scale articular tissues involved in OA, forming the foundation for automated assessment of OA. The iMaskRCNN results show that the modification improved the network performance around the edges.
• Abstract（参考訳）: 変形性関節症(OA)のMRI画像の客観的評価は,現在のOA評価の限界に対処できる。 OA客観的評価には骨,軟骨,関節液の分別が必要である。 提案するセグメンテーション手法の多くはインスタンスセグメンテーションを実行せず、クラス不均衡の問題に悩まされている。 本研究は, OA関連組織に対するより正確な一般化セグメンテーションを得るために, Mask R-CNNインスタンスセグメンテーションを導入し, 改良したMask R-CNN (iMaskRCNN) を開発した。 変形性股関節症(OAI)データセットから得られた500個のMRI膝と97個のMRIスキャンを用いて,この方法の訓練と評価を行った。 Mask R-CNNの3つの変更により、iMaskRCNNは2nd ROIAlignedブロックを追加し、マスクヘッダに余分なデコーダ層を追加し、スキップ接続で接続した。 結果は,ハウスドルフ距離,ダイススコア,変動係数(cov)を用いて評価した。 iMaskRCNNは, 大腿骨の95%から98%, 大腿骨の95%から97%, 大腿骨軟骨の71%から80%, 骨軟骨の81%から82%に増加していた。 拡散検出では,iMaskRCNNは72%,MaskRCNNは71%で改善した。 Reader1とMask R-CNN(0.33)、Reader1とiMaskRCNN(0.34)、Reader2とMask R-CNN(0.22)、Reader2とiMaskRCNN(0.29)間の拡散検出のCoV値は2つのリーダー(0.21)間のCoVに近い。 Mask R-CNNとiMaskRCNNは、OAに関与する異なるスケールの関節組織を確実かつ同時に抽出し、OAの自動評価の基礎となる。 iMaskRCNNの結果は、エッジ周辺のネットワーク性能を改善したことを示している。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
  本研究では,TotalSegmentatorをMR画像に拡張した。 このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。 このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
  論文  参考訳（メタデータ） (2024-05-29T20:15:54Z)
• Improving Deep Learning Models for Pediatric Low-Grade Glioma Tumors Molecular Subtype Identification Using 3D Probability Distributions of Tumor Location [0.0]
  pLGGサブタイプ同定のためのCNNモデルは腫瘍セグメンテーションに依存している。 我々はMRIデータにおける腫瘍位置確率を用いてCNNモデルを拡張することを提案する。 腫瘍位置をCNNモデルに組み込むことにより,統計的に有意な改善が得られた。
  論文  参考訳（メタデータ） (2022-10-13T18:30:11Z)
• CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
  追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。 非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
  論文  参考訳（メタデータ） (2022-06-22T14:19:06Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• Automated Kidney Segmentation by Mask R-CNN in T2-weighted Magnetic Resonance Imaging [0.9764638397706717]
  我々は,T2強調Fast Spin Ecoスライス100回のMRI検査において,腎の自動分画にMask R-CNNを用いることを提案する。 5倍のクロスバリデーションデータを用いて、提案したMask R-CNNは、70と10のMRI試験で訓練され、その後、各フォールドで残りの20の試験で評価される。
  論文  参考訳（メタデータ） (2021-08-27T21:34:32Z)
• Cross-Cohort Generalizability of Deep and Conventional Machine Learning for MRI-based Diagnosis and Prediction of Alzheimer's Disease [3.651988141747362]
  本研究は, 軽度認知障害者(MCI)における, MRIによるアルツハイマー病(AD)患者の分類とCN(CN)の外部データセットへの適応とADへの転換予測の一般化性を検証するものである。 従来のSVM(Support vector Machine)とCNN(Deep Convolutional Neural Network)のアプローチを用いて,最小限の事前検証あるいはより広範な事前検証を行った構造的MRIスキャンを行った。
  論文  参考訳（メタデータ） (2020-12-16T07:09:30Z)
• Accurate Prostate Cancer Detection and Segmentation on Biparametric MRI using Non-local Mask R-CNN with Histopathological Ground Truth [0.0]
  我々は,bp-MRIにおける前立腺内病変の検出とセグメンテーションを改善するため,ディープラーニングモデルを開発した。 前立腺切除術による脱線をMRIでトレーニングした。 前立腺切除術をベースとした非局所的なMask R-CNNは、微調整と自己訓練により、すべての評価基準を大幅に改善した。
  論文  参考訳（メタデータ） (2020-10-28T21:07:09Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• 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)

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。