Fugu-MT 論文翻訳(概要): Improved AI-based segmentation of apical and basal slices from clinical cine CMR

論文の概要: Improved AI-based segmentation of apical and basal slices from clinical cine CMR

arxiv url: http://arxiv.org/abs/2109.09421v1
Date: Mon, 20 Sep 2021 10:48:50 GMT
ステータス: 処理完了
システム内更新日: 2021-09-21 16:09:34.488697
Title: Improved AI-based segmentation of apical and basal slices from clinical cine CMR
Title（参考訳）: AIによる臨床用シネCMRの根尖および基底切片のセグメンテーションの改善
Authors: Jorge Mariscal-Harana, Naomi Kifle, Reza Razavi, Andrew P. King, Bram Ruijsink, Esther Puyol-Ant\'on
Abstract要約: 本研究の目的は,基底スライスと尖端スライスを分割する際のAIアルゴリズムの性能を検討することである。 2つのNHS病院から得られた臨床CMRの大規模なデータセットを用いて,全モデルを訓練した。分類とセグメンテーションのアプローチは、すべてのデータセットのパフォーマンスギャップを減らすのに最適であることを示す。
参考スコア（独自算出の注目度）: 1.7647111545685723
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Current artificial intelligence (AI) algorithms for short-axis cardiac magnetic resonance (CMR) segmentation achieve human performance for slices situated in the middle of the heart. However, an often-overlooked fact is that segmentation of the basal and apical slices is more difficult. During manual analysis, differences in the basal segmentations have been reported as one of the major sources of disagreement in human interobserver variability. In this work, we aim to investigate the performance of AI algorithms in segmenting basal and apical slices and design strategies to improve their segmentation. We trained all our models on a large dataset of clinical CMR studies obtained from two NHS hospitals (n=4,228) and evaluated them against two external datasets: ACDC (n=100) and M&Ms (n=321). Using manual segmentations as a reference, CMR slices were assigned to one of four regions: non-cardiac, base, middle, and apex. Using the nnU-Net framework as a baseline, we investigated two different approaches to reduce the segmentation performance gap between cardiac regions: (1) non-uniform batch sampling, which allows us to choose how often images from different regions are seen during training; and (2) a cardiac-region classification model followed by three (i.e. base, middle, and apex) region-specific segmentation models. We show that the classification and segmentation approach was best at reducing the performance gap across all datasets. We also show that improvements in the classification performance can subsequently lead to a significantly better performance in the segmentation task.
Abstract（参考訳）: 短軸磁気共鳴(CMR)セグメンテーションのための現在の人工知能(AI)アルゴリズムは、心臓の中央に位置するスライスに対して人間のパフォーマンスを実現する。しかし、しばしば見過ごされる事実は、基底部分と頂部部分の分割がより難しいことである。手動分析では、基底部分の差異が、ヒトのオブザーバ間変動における不一致の主な原因の1つとして報告されている。本研究では,aiアルゴリズムのセグメンテーション基礎とapicalスライスにおける性能と,セグメンテーションを改善するための設計戦略について検討する。我々は,NHS病院2施設(n=4,228)から得られた臨床CMRの大規模なデータセットを用いて,すべてのモデルを訓練し,ACDC(n=100)とM&Ms(n=321)の2つの外部データセットと比較した。手動セグメンテーションを基準として、CMRスライスを非心臓、ベース、ミドル、頂点の4つの領域の1つに割り当てた。 nnU-Netフレームワークをベースラインとして,(1)非一様バッチサンプリングにより,トレーニング中に異なる領域の画像の出現頻度を選択できる,(2)心臓領域分類モデルに次いで,3つの(ベース,中間,頂点)領域別セグメンテーションモデルを用いて,心臓領域間のセグメンテーション性能ギャップを低減する方法を検討した。分類とセグメンテーションのアプローチは、すべてのデータセットのパフォーマンスギャップを減らすのに最適であることを示す。また,分類性能の向上により,セグメント化タスクの性能が著しく向上することを示す。

関連論文リスト

A three in one bottom-up framework for simultaneous semantic segmentation, instance segmentation and classification of multi-organ nuclei in digital cancer histology [3.2228025627337864]
デジタル組織学における核の同時セグメンテーションと分類は、コンピュータによるがん診断において重要な役割を担っている。最も達成されたバイナリとマルチクラスのPanoptic Quality (PQ)は、それぞれ0.68 bPQと0.49 mPQである。この作業は、以前のモデルを同時インスタンスのセグメンテーションと分類に拡張します。
論文参考訳（メタデータ） (2023-08-22T04:10:14Z)
A region and category confidence-based multi-task network for carotid ultrasound image segmentation and classification [6.162577404860473]
超音波頸動脈プラーク分割と分類のためのマルチタスク学習フレームワーク(RCCM-Net)を提案する。このフレームワークは、領域信頼モジュール(RCM)とサンプルカテゴリ信頼モジュール(CCM)を使用して、これらの2つのタスク間の相関を利用する。提案手法は,既存のシングルタスクネットワークと比較してセグメンテーションと分類性能を両立させることができることを示す。
論文参考訳（メタデータ） (2023-07-02T14:43:59Z)
Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文参考訳（メタデータ） (2023-02-03T13:50:25Z)
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)
Generative Adversarial Networks for Weakly Supervised Generation and Evaluation of Brain Tumor Segmentations on MR Images [0.0]
本研究は2次元磁気共鳴画像におけるセグメント異常に対する弱教師付きアプローチを示す。我々は,癌画像を健全な変種に変換するGAN(Generative Adversarial Network)を訓練する。非共役な変種は、弱監督的な方法で分割を評価するためにも用いられる。
論文参考訳（メタデータ） (2022-11-10T00:04:46Z)
MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated Learning [92.91544082745196]
フェデレートラーニング(FL)は医用画像解析に広く用いられている。 FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。 2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
論文参考訳（メタデータ） (2022-05-03T14:06:03Z)
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)
Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical Image Segmentation [92.9634065964963]
我々は、不確実性推定と個別の自己学習戦略に基づいて、新しい半教師付きセグメンテーションモデル、すなわち保守的ラディカルネットワーク(CoraNet)を提案する。現在の技術と比較すると、ColaNetは優れたパフォーマンスを示しています。
論文参考訳（メタデータ） (2021-10-17T08:49:33Z)
Comparison of atlas-based and neural-network-based semantic segmentation for DENSE MRI images [0.8701566919381223]
2つのセグメンテーション法(アトラス法とニューラルネット法)を比較した。セグメンテーションはこれらの地域の平均変位を推定するための前提条件である。
論文参考訳（メタデータ） (2021-09-29T00:42:43Z)
Learning Directional Feature Maps for Cardiac MRI Segmentation [13.389141642517762]
本稿では,クラス間の差分とクラス内の類似度を同時に強化する指向性特徴写像を利用する新しい手法を提案する。具体的には,最寄りの心臓組織の境界から各ピクセルに向けられた方向のフィールドを学習する。学習方向のフィールドに基づいて、元のセグメンテーション機能を改善するために、特徴修正と融合(FRF)モジュールを提案する。
論文参考訳（メタデータ） (2020-07-22T11:31:04Z)
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。