論文の概要: Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images

• arxiv url: http://arxiv.org/abs/2110.05039v1
• Date: Mon, 11 Oct 2021 07:13:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 19:16:34.023027
• Title: Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images
• Title（参考訳）: 非コントラストct画像を用いた急性虚血性梗塞分画に対するシンメトリエンハンスメントネットワーク
• Authors: Kongming Liang, Kai Han, Xiuli Li, Xiaoqing Cheng, Yiming Li, Yizhou Wang, Yizhou Yu
• Abstract要約: 急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
• 参考スコア（独自算出の注目度）: 50.55978219682419
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantitative estimation of the acute ischemic infarct is crucial to improve neurological outcomes of the patients with stroke symptoms. Since the density of lesions is subtle and can be confounded by normal physiologic changes, anatomical asymmetry provides useful information to differentiate the ischemic and healthy brain tissue. In this paper, we propose a symmetry enhanced attention network (SEAN) for acute ischemic infarct segmentation. Our proposed network automatically transforms an input CT image into the standard space where the brain tissue is bilaterally symmetric. The transformed image is further processed by a Ushape network integrated with the proposed symmetry enhanced attention for pixel-wise labelling. The symmetry enhanced attention can efficiently capture context information from the opposite side of the image by estimating long-range dependencies. Experimental results show that the proposed SEAN outperforms some symmetry-based state-of-the-art methods in terms of both dice coefficient and infarct localization.
• Abstract（参考訳）: 急性虚血性梗塞の定量的評価は脳卒中症状患者の神経学的予後を改善するために重要である。 病変の密度は微妙であり、正常な生理的変化によって構築できるため、解剖学的非対称性は虚血と健康な脳組織を区別するのに有用な情報を提供する。 本稿では,急性虚血性梗塞分節に対する対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは入力されたct画像を脳組織が左右対称な標準空間に自動的に変換する。 変換された画像は、提案した対称性強化された画素ワイドラベリングの注意と統合されたUshapeネットワークによりさらに処理される。 対称性強化された注目は、長距離依存性を推定することにより、画像の反対側からコンテキスト情報を効率的にキャプチャすることができる。 実験の結果,sean は dice 係数と梗塞局所化の両面で symmetry-based state-of-the-art 法よりも優れていた。

関連論文リスト

• Symmetry Awareness Encoded Deep Learning Framework for Brain Imaging Analysis [17.96729816246268]
  本研究は,脳疾患の検出とセグメンテーション分析を強化するために,ヒト脳の固有対称解剖学的特徴を活用する新しいアプローチを提案する。 左右半球の対称的特徴を符号化するために,新たな対称性認識クロスアテンション (SACA) モジュールが提案され,Symmetry-Aware Head (SAH) として対称的特徴を検出するプロキシタスクが提案されている。 本研究は, 事前トレーニングに対称性認識を取り入れることの有効性を提唱し, 医用画像解析のための新しいベンチマークを作成し, 正確かつ効率的な診断プロセスに向けて大きな前進を約束する。
  論文  参考訳（メタデータ） (2024-07-12T03:08:15Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• 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)
• Beyond CNNs: Exploiting Further Inherent Symmetries in Medical Image Segmentation [21.6412682130116]
  より正確な表現を学習するために、これらの固有対称性を符号化することで、新しいグループ同変セグメンテーションフレームワークを提案する。 GER-UNet(Group Equivariant Res-UNet)が通常のCNNよりも優れていることを示す。 新たに構築されたGER-UNetは、サンプルの複雑さとフィルタの冗長性を減少させる可能性を示している。
  論文  参考訳（メタデータ） (2022-07-29T04:28:20Z)
• Asymmetry Disentanglement Network for Interpretable Acute Ischemic Stroke Infarct Segmentation in Non-Contrast CT Scans [16.901081820073593]
  NCCTにおける病理症状と内因性解剖症状を自動的に分離する新しい非対称性ディスタングルメントネットワーク(ADN)を提案する。 ADNは入力NCCTに基づいてまず、異なるタイプの3次元非対称性写像を生成する非対称性非絡み合わせを行う。 ADNは、パブリックNCCTデータセット上で最先端のAISセグメンテーション性能を達成する。
  論文  参考訳（メタデータ） (2022-06-30T17:39:28Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Context-Aware Refinement Network Incorporating Structural Connectivity Prior for Brain Midline Delineation [50.868845400939314]
  UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。 正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。 提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
  論文  参考訳（メタデータ） (2020-07-10T14:01:20Z)
• Anatomy-Aware Siamese Network: Exploiting Semantic Asymmetry for Accurate Pelvic Fracture Detection in X-ray Images [36.35987775099686]
  本研究では,空間トランス層で強化されたシームズネットワーク上に構築された新しいフラクチャー検出フレームワークを提案する。 提案法は, 特発性患者2,359例のPXRに対して広範囲に評価されている。 これは最先端の骨折検出方法の中でも最高であり、臨床症状の改善がある。
  論文  参考訳（メタデータ） (2020-07-03T02:33:24Z)
• 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)
• Exploring Partial Intrinsic and Extrinsic Symmetry in 3D Medical Imaging [39.5958976939981]
  ヒト解剖学のCTにおける不完全な左右対称を検出するための新しい手法を提案する。 骨盤骨の構造的に対称な性質を探求し、外傷性外傷患者の片側骨折に対する介入画像増強法として用いられる。
  論文  参考訳（メタデータ） (2020-03-04T19:08:55Z)

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。