論文の概要: Edge-competing Pathological Liver Vessel Segmentation with Limited Labels

• arxiv url: http://arxiv.org/abs/2108.00384v1
• Date: Sun, 1 Aug 2021 07:28:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-04 08:00:38.705798
• Title: Edge-competing Pathological Liver Vessel Segmentation with Limited Labels
• Title（参考訳）: 限定ラベルを用いたエッジ競合病的肝血管分画
• Authors: Zunlei Feng, Zhonghua Wang, Xinchao Wang, Xiuming Zhang, Lechao Cheng, Jie Lei, Yuexuan Wang, Mingli Song
• Abstract要約: 病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。 本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。 本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
• 参考スコア（独自算出の注目度）: 61.38846803229023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The microvascular invasion (MVI) is a major prognostic factor in hepatocellular carcinoma, which is one of the malignant tumors with the highest mortality rate. The diagnosis of MVI needs discovering the vessels that contain hepatocellular carcinoma cells and counting their number in each vessel, which depends heavily on experiences of the doctor, is largely subjective and time-consuming. However, there is no algorithm as yet tailored for the MVI detection from pathological images. This paper collects the first pathological liver image dataset containing 522 whole slide images with labels of vessels, MVI, and hepatocellular carcinoma grades. The first and essential step for the automatic diagnosis of MVI is the accurate segmentation of vessels. The unique characteristics of pathological liver images, such as super-large size, multi-scale vessel, and blurred vessel edges, make the accurate vessel segmentation challenging. Based on the collected dataset, we propose an Edge-competing Vessel Segmentation Network (EVS-Net), which contains a segmentation network and two edge segmentation discriminators. The segmentation network, combined with an edge-aware self-supervision mechanism, is devised to conduct vessel segmentation with limited labeled patches. Meanwhile, two discriminators are introduced to distinguish whether the segmented vessel and background contain residual features in an adversarial manner. In the training stage, two discriminators are devised tocompete for the predicted position of edges. Exhaustive experiments demonstrate that, with only limited labeled patches, EVS-Net achieves a close performance of fully supervised methods, which provides a convenient tool for the pathological liver vessel segmentation. Code is publicly available at https://github.com/zju-vipa/EVS-Net.
• Abstract（参考訳）: 微小血管浸潤(MVI)は肝細胞癌の主要な予後因子であり,最も死亡率の高い悪性腫瘍の1つである。 MVIの診断には、肝細胞癌細胞を含む血管を発見し、医師の経験に大きく依存する各血管の数をカウントする必要があるが、主に主観的で時間を要する。 しかし,病理像からのMVI検出に適したアルゴリズムは存在しない。 本稿では,血管,mvi,肝細胞癌を分類した522個のスライド画像を含む最初の病理肝画像データセットを収集した。 MVIを自動診断する第1のステップは、正確な血管分割である。 超大サイズ、マルチスケール血管、ぼやけた血管縁などの病的肝臓画像の特異な特徴は、正確な血管分割を困難にする。 収集したデータセットに基づいて,セグメント化ネットワークと2つのエッジセグメント判別器を含むエッジ競合容器セグメンテーションネットワーク(evs-net)を提案する。 エッジアウェアの自己スーパービジョン機構と組み合わされたセグメンテーションネットワークは、制限されたラベル付きパッチで容器セグメンテーションを行うために考案された。 一方,2つの判別器を導入して,分断された容器と背景が相反的に残存した特徴を含むか否かを判別する。 訓練段階では、エッジの予測位置を比較できる2つの判別器が考案される。 徹底的な実験により、ラベル付きパッチのみを伴って、evs-netは完全に監督された方法の密接な性能を実現し、病的肝血管分画に便利なツールを提供することが示されている。 コードはhttps://github.com/zju-vipa/EVS-Netで公開されている。

関連論文リスト

• 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)
• Towards Simultaneous Segmentation of Liver Tumors and Intrahepatic Vessels via Cross-attention Mechanism [3.291044793301153]
  医用画像の正確な分割を行う3D U-shaped Cross-Attention Network (UCA-Net)を提案する。 UCA-Netは、チャネルワイドのクロスアテンションモジュールを使用して、エンコーダとデコーダのセマンティックギャップを減らし、スライスワイドのクロスアテンションモジュールを使用してコンテキストセマンティック学習能力を向上する。 実験の結果,提案したUCA-Netは,肝腫瘍および肝内血管分割作業において,正確に3次元医用画像のセグメンテーションを行い,最先端のパフォーマンスを達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-02-20T06:17:03Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
  本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。 提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:55:43Z)
• Learning to Address Intra-segment Misclassification in Retinal Imaging [3.552155712390612]
  マルチクラスセグメンテーションを複数のバイナリに分解する新しいアプローチを提案し、次にバイナリ-マルチクラス融合ネットワークを提案する。 このネットワークは動脈,静脈,マルチクラスの特徴マップの表現をマージし,それぞれが専門的な血管アノテーションによって教師される。 その結果, DRIVE-AV, LES-AV, HRF-AVの3つの深層学習手法と比較し, F1スコアを4.4%, 5.1%, 4.2%向上させた。
  論文  参考訳（メタデータ） (2021-04-25T11:57:26Z)
• Objective-Dependent Uncertainty Driven Retinal Vessel Segmentation [5.926887379656135]
  本稿では,血管分割を2つの目的に分割するディープ畳み込みニューラルネットワーク(CNN)を提案する。 具体的には、全体的正確な船舶分割と小さな船舶分割を2つの個人目的とみなす。 個々の目的を改善するため, (a) 小型船体接続性を高めるための船体重量マップに基づく補助的損失, (b) ローカライゼーションを改善するためのエンコーダ・デコーダアーキテクチャの強化を提案する。
  論文  参考訳（メタデータ） (2021-04-17T14:17:09Z)
• Sequential Learning on Liver Tumor Boundary Semantics and Prognostic Biomarker Mining [73.23533486979166]
  腫瘍境界に対する毛細血管浸潤は予後指標であるmicrovascular invasion (mvi) と臨床的に相関することが証明されている。 本論文では,タスクを2つのコンポーネントに分離する,第1および新規な計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-09T01:43:05Z)

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。