論文の概要: Projective Skip-Connections for Segmentation Along a Subset of
Dimensions in Retinal OCT
- arxiv url: http://arxiv.org/abs/2108.00831v1
- Date: Mon, 2 Aug 2021 12:41:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-03 21:18:36.233481
- Title: Projective Skip-Connections for Segmentation Along a Subset of
Dimensions in Retinal OCT
- Title（参考訳）: 網膜octの次元部分集合に沿ったセグメンテーションのための射影的スキップ接続
- Authors: Dmitrii Lachinov, Philipp Seeboeck, Julia Mai, Ursula Schmidt-Erfurth,
Hrvoje Bogunovic
- Abstract要約: 医療画像では、出力マスクが入力画像次元のサブセットへの投影である、臨床的に関連するセグメンテーションタスクが存在する。
より低次元のセグメンテーションマスクを効果的に生成できる新しい畳み込みニューラルネットワークアーキテクチャを提案する。
ネットワークは、入力された空間次元のサブセットにのみ符号化された表現を復元し、他の部分で表現を変更せずに保持する。
- 参考スコア（独自算出の注目度）: 5.252775177165399
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In medical imaging, there are clinically relevant segmentation tasks where
the output mask is a projection to a subset of input image dimensions. In this
work, we propose a novel convolutional neural network architecture that can
effectively learn to produce a lower-dimensional segmentation mask than the
input image. The network restores encoded representation only in a subset of
input spatial dimensions and keeps the representation unchanged in the others.
The newly proposed projective skip-connections allow linking the encoder and
decoder in a UNet-like structure. We evaluated the proposed method on two
clinically relevant tasks in retinal Optical Coherence Tomography (OCT):
geographic atrophy and retinal blood vessel segmentation. The proposed method
outperformed the current state-of-the-art approaches on all the OCT datasets
used, consisting of 3D volumes and corresponding 2D en-face masks. The proposed
architecture fills the methodological gap between image classification and ND
image segmentation.
- Abstract（参考訳）: 医療画像では、出力マスクが入力画像次元のサブセットへの投影である、臨床的に関連するセグメンテーションタスクが存在する。
本研究では,入力画像よりも低次元のセグメンテーションマスクを効果的に生成できる新しい畳み込みニューラルネットワークアーキテクチャを提案する。
ネットワークは、入力された空間次元のサブセットでのみ符号化表現を復元し、他の部分で表現を不変に保つ。
新たに提案されたスキップ接続により、UNetのような構造でエンコーダとデコーダをリンクできる。
網膜光学コヒーレンス断層撮影 (oct) における2つの臨床関連課題 (地理的萎縮と網膜血管分画) について検討した。
提案手法は、3dボリュームと対応する2d内面マスクからなる全octデータセットにおける最先端のアプローチよりも優れていた。
提案アーキテクチャは,画像分類とND画像分割の方法論的ギャップを埋める。
関連論文リスト
- Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。
本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。
臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
論文 参考訳（メタデータ） (2024-09-18T13:40:59Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-07-31T17:59:42Z) - 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) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - SD-LayerNet: Semi-supervised retinal layer segmentation in OCT using
disentangled representation with anatomical priors [4.2663199451998475]
網膜層セグメンテーションタスクに半教師付きパラダイムを導入する。
特に、表面位置回帰をピクセル単位で構造化されたセグメンテーションに変換するために、新しい完全微分可能なアプローチが用いられる。
並行して,ラベル付きデータの限られた量が利用できる場合に,ネットワークトレーニングを改善するための解剖学的事前セットを提案する。
論文 参考訳（メタデータ） (2022-07-01T14:30:59Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Automated processing of X-ray computed tomography images via panoptic
segmentation for modeling woven composite textiles [0.0]
織物の3次元ディジタルジオメトリを自動生成する機械学習による新しい手法を提案する。
パノプティックセグメンテーションを利用して、X線CT(Computerd Tomography)画像からインスタンスセグメンテーションセグメンテーションマスクを生成する。
また, 異なる形状, テクスチャ, コントラストのCT画像に対して, トレーニングセットに類似する新しいCT画像に対して, パン光学セグメントネットワークがよく一般化されていることがわかった。
論文 参考訳（メタデータ） (2022-02-02T19:59:53Z) - Atlas-Based Segmentation of Intracochlear Anatomy in Metal Artifact
Affected CT Images of the Ear with Co-trained Deep Neural Networks [1.9087886743666933]
人工内耳装用者の術後CT(Post-CT)画像に眼内解剖(ICA)を分類するアトラス法を提案する。
我々は, 対向方向の密度変形場(DDF)を生成する, 一対の協調学習深層ネットワークを用いる。
論文 参考訳（メタデータ） (2021-07-08T17:26:19Z) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳（メタデータ） (2020-09-10T01:57:53Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
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。