論文の概要: Multipath CNN with alpha matte inference for knee tissue segmentation
from MRI
- arxiv url: http://arxiv.org/abs/2109.14249v1
- Date: Wed, 29 Sep 2021 07:48:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-30 14:40:49.159865
- Title: Multipath CNN with alpha matte inference for knee tissue segmentation
from MRI
- Title（参考訳）: 人工膝関節置換術におけるαマット推論を用いたMultipath CNN
- Authors: Sheheryar Khan, Basim Azam, Yongcheng Yao, Weitian Chen
- Abstract要約: 本稿では, 深層学習に基づく膝組織分割のための自動セグメンテーションフレームワークを提案する。
低階テンソル再構成セグメンテーションネットワークとデコーダベースのセグメンテーションネットワークを組み合わせた,新しいマルチパスCNN方式を提案する。
CNNからのセグメンテーションをさらに改善するため、重畳された領域を効果的に活用するトリマップ生成を提案する。
- 参考スコア（独自算出の注目度）: 2.064612766965483
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Precise segmentation of knee tissues from magnetic resonance imaging (MRI) is
critical in quantitative imaging and diagnosis. Convolutional neural networks
(CNNs), which are state of the art, have limitations owing to the lack of
image-specific adaptation, such as low tissue contrasts and structural
inhomogeneities, thereby leading to incomplete segmentation results. This paper
presents a deep learning based automatic segmentation framework for knee tissue
segmentation. A novel multipath CNN-based method is proposed, which consists of
an encoder decoder-based segmentation network in combination with a low rank
tensor-reconstructed segmentation network. Low rank reconstruction in MRI
tensor sub-blocks is introduced to exploit the structural and morphological
variations in knee tissues. To further improve the segmentation from CNNs,
trimap generation, which effectively utilizes superimposed regions, is proposed
for defining high, medium and low confidence regions from the multipath CNNs.
The secondary path with low rank reconstructed input mitigates the conditions
in which the primary segmentation network can potentially fail and overlook the
boundary regions. The outcome of the segmentation is solved as an alpha matting
problem by blending the trimap with the source input. Experiments on
Osteoarthritis Initiative (OAI) datasets and a self prepared scan validate the
effectiveness of the proposed method. We specifically demonstrate the
application of the proposed method in a cartilage segmentation based thickness
map for diagnosis purposes.
- Abstract（参考訳）: 磁気共鳴画像(MRI)による膝組織の精密セグメント化は定量的なイメージングと診断において重要である。
畳み込みニューラルネットワーク(CNN)は、低組織コントラストや構造的不均一性などの画像特異的適応の欠如により限界があり、不完全なセグメンテーション結果をもたらす。
本稿では, 深層学習に基づく膝組織分割の自動分割フレームワークを提案する。
エンコーダデコーダに基づくセグメンテーションネットワークと低階テンソル再構成セグメンテーションネットワークを組み合わせた,新しいマルチパスCNN方式を提案する。
MRIテンソルサブブロックの低位再構成は、膝組織の構造的および形態学的変化を利用するために導入された。
CNNからのセグメンテーションをさらに改善するため、マルチパスCNNから高、中、低信頼領域を定義するために、重畳された領域を効果的に活用するトリマップ生成を提案する。
低ランクの再構成入力を持つ二次経路は、一次セグメンテーションネットワークが潜在的に失敗し、境界領域を見渡すことができる条件を緩和する。
トリマップとソース入力をブレンドすることにより、セグメンテーションの結果をアルファマットング問題として解決する。
変形性関節症イニシアチブ(oai)データセットと自己作成スキャンの実験は,提案法の有効性を検証する。
本研究は, 軟骨切片を用いた厚みマップの診断への応用を具体的に示す。
関連論文リスト
- 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) - 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) - 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) - Position-prior Clustering-based Self-attention Module for Knee Cartilage
Segmentation [14.797196965853233]
膝軟骨の形態変化は変形性膝関節症の進行と密接に関連している。
変形性膝関節症に対する経時的研究に有効な自動軟骨分割モデルを提案する必要がある。
論文 参考訳（メタデータ） (2022-06-21T12:12:16Z) - Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。
そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-27T18:54:25Z) - Learning Fuzzy Clustering for SPECT/CT Segmentation via Convolutional
Neural Networks [5.3123694982708365]
QBSPECT(Quantitative bone single-photon emission Computed Tomography)は、平面骨シンチグラフィよりも骨転移をより定量的に評価する可能性を秘めています。
解剖学的領域-関心(ROI)のセグメント化は、まだ専門家による手動の記述に大きく依存しています。
本研究では,QBSPECT画像を病変,骨,背景に分割するための高速かつ堅牢な自動分割法を提案する。
論文 参考訳（メタデータ） (2021-04-17T19:03:52Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳（メタデータ） (2020-10-19T13:56:22Z) - Max-Fusion U-Net for Multi-Modal Pathology Segmentation with Attention
and Dynamic Resampling [13.542898009730804]
関連するアルゴリズムの性能は、マルチモーダル情報の適切な融合によって大きく影響を受ける。
We present the Max-Fusion U-Net that achieve a improve pathology segmentation performance。
マルチシーケンスCMRデータセットを併用したMyoPS(Myocardial pathology segmentation)を用いて,本手法の評価を行った。
論文 参考訳（メタデータ） (2020-09-05T17:24:23Z) - Multi-Modality Pathology Segmentation Framework: Application to Cardiac
Magnetic Resonance Images [3.5354617056939874]
本研究は,多モードCMR画像に基づく自動カスケード診断セグメンテーションフレームワークを提案する。
主に、解剖学的構造セグメンテーションネットワーク(ASSN)と病理学的領域セグメンテーションネットワーク(PRSN)の2つのニューラルネットワークで構成されている。
論文 参考訳（メタデータ） (2020-08-13T09:57:04Z) - ARPM-net: A novel CNN-based adversarial method with Markov Random Field
enhancement for prostate and organs at risk segmentation in pelvic CT images [10.011212599949541]
本研究は,CT画像の多臓器セマンティックセマンティックセグメンテーションを改善するために,新しいCNNに基づく対角深層学習法を開発することを目的とする。
MRF(Markov Random Field)拡張ネットワーク (ARPM-net) は, 対向学習方式を実装している。
モデル輪郭の精度はDice similarity coefficient (DSC), Average Hausdorff Distance (AHD), Average Surface Hausdorff Distance (ASHD), relative Volume difference (VD) を用いて測定した。
論文 参考訳（メタデータ） (2020-08-11T02:40:53Z)
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。