論文の概要: FDA: Feature Decomposition and Aggregation for Robust Airway Segmentation

• arxiv url: http://arxiv.org/abs/2109.02920v1
• Date: Tue, 7 Sep 2021 08:16:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-08 14:28:43.632123
• Title: FDA: Feature Decomposition and Aggregation for Robust Airway Segmentation
• Title（参考訳）: FDA:ロバストなエアウェイセグメンテーションのための特徴分解と凝集
• Authors: Minghui Zhang, Xin Yu, Hanxiao Zhang, Hao Zheng, Weihao Yu, Hong Pan, Xiangran Cai and Yun Gu
• Abstract要約: クリーン領域とノイズ領域の変動に対処する新しいデュアルストリームネットワークを提案する。 トランスファー可能なクリーンな特徴とノイズの多い特徴を別々に抽出する2つの異なるエンコーダを設計した。 ノイズCTでは, 気管支の分画が良好であった。
• 参考スコア（独自算出の注目度）: 28.880817101034715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Convolutional Neural Networks (CNNs) have been widely adopted for airway segmentation. The performance of 3D CNNs is greatly influenced by the dataset while the public airway datasets are mainly clean CT scans with coarse annotation, thus difficult to be generalized to noisy CT scans (e.g. COVID-19 CT scans). In this work, we proposed a new dual-stream network to address the variability between the clean domain and noisy domain, which utilizes the clean CT scans and a small amount of labeled noisy CT scans for airway segmentation. We designed two different encoders to extract the transferable clean features and the unique noisy features separately, followed by two independent decoders. Further on, the transferable features are refined by the channel-wise feature recalibration and Signed Distance Map (SDM) regression. The feature recalibration module emphasizes critical features and the SDM pays more attention to the bronchi, which is beneficial to extracting the transferable topological features robust to the coarse labels. Extensive experimental results demonstrated the obvious improvement brought by our proposed method. Compared to other state-of-the-art transfer learning methods, our method accurately segmented more bronchi in the noisy CT scans.
• Abstract（参考訳）: 3次元畳み込みニューラルネットワーク(CNN)は、気道セグメンテーションに広く採用されている。 3D CNNの性能はデータセットに大きく影響され、パブリックな気道データセットは主に粗いアノテーションによるクリーンなCTスキャンであり、ノイズの多いCTスキャンに一般化することは困難である。 COVID-19 CT)。 本研究では, クリーンドメインとノイズ領域の変動に対処する新しいデュアルストリームネットワークを提案し, クリーンCTスキャンと少量のラベル付きノイズCTスキャンを用いて気道セグメンテーションを行った。 トランスファー可能なクリーンな特徴とノイズの多い特徴を別々に抽出する2つの異なるエンコーダを設計した。 さらに、転送可能な特徴は、チャネルワイドの特徴補正と署名距離マップ(SDM)回帰によって洗練される。 特徴緩和モジュールは重要な特徴を強調し、SDMは、粗いラベルに頑健な転写可能なトポロジカル特徴の抽出に有用であるブロンチにより多くの注意を払っている。 実験の結果,提案手法による明らかな改善が示された。 術中移動学習法と比較し, ノイズCTでは, ブロンチを正確に区分けした。

関連論文リスト

• Deep Learning-Based Channel Squeeze U-Structure for Lung Nodule Detection and Segmentation [7.53596352508181]
  本稿では,肺結節の自動検出と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手法を提案する。 この手法は、感度、Dice類似度係数、精度、および平均結合断面積(IoU)の点で優れた性能を示す。 その結果,本手法はコンピュータ支援診断システムの改善に有意な可能性を秘めていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-20T19:47:07Z)
• CT-based brain ventricle segmentation via diffusion Schrödinger Bridge without target domain ground truths [0.9720086191214947]
  クリニカルCTスキャンによる高効率かつ正確な脳室分画は、腹腔鏡下手術のような緊急手術には不可欠である。 我々は,CTセグメント化の真偽を必要とせず,新しい不確実性に留意した心室分画法を導入する。 提案手法では拡散型Schr"odinger Bridgeと残像U-Netを併用し,画像診断とMRI検査を併用した。
  論文  参考訳（メタデータ） (2024-05-28T15:17:58Z)
• Fully Differentiable Correlation-driven 2D/3D Registration for X-ray to CT Image Fusion [3.868072865207522]
  画像ベース剛性2D/3Dレジストレーションは, 蛍光ガイド下外科手術において重要な技術である。 デュアルブランチCNN変換器エンコーダを用いた完全微分型相関型ネットワークを提案する。 組込み情報に基づく低周波特徴と高周波特徴の分解に対して相関型損失を提案する。
  論文  参考訳（メタデータ） (2024-02-04T14:12:51Z)
• UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
  本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。 我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。 Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
  論文  参考訳（メタデータ） (2022-12-08T18:59:57Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Dual Multi-scale Mean Teacher Network for Semi-supervised Infection Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
  CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。 現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。 既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
  論文  参考訳（メタデータ） (2022-11-10T13:11:21Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• LTSP: Long-Term Slice Propagation for Accurate Airway Segmentation [19.40457329997144]
  気管支鏡下手術は、肺疾患に対する広く用いられている臨床技術である。 気道マップは胸部CTスキャンから自動的に抽出できる。 気道の複雑な木のような構造のため、そのトポロジーの完全性を維持することは難しい課題である。
  論文  参考訳（メタデータ） (2022-02-13T08:47:01Z)
• SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
  3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。 アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。 提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-12T05:51:29Z)
• Adaptive feature recombination and recalibration for semantic segmentation with Fully Convolutional Networks [57.64866581615309]
  完全畳み込みネットワークを用いたセマンティックセグメンテーションに適応した特徴の組換えと空間適応型再分類ブロックを提案する。 その結果、再結合と再校正は競争ベースラインの結果を改善し、3つの異なる問題にまたがって一般化することを示した。
  論文  参考訳（メタデータ） (2020-06-19T15:45:03Z)

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。