論文の概要: GAN-based disentanglement learning for chest X-ray rib suppression
- arxiv url: http://arxiv.org/abs/2110.09134v1
- Date: Mon, 18 Oct 2021 09:39:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 13:34:10.022966
- Title: GAN-based disentanglement learning for chest X-ray rib suppression
- Title（参考訳）: 胸部X線リブ抑制のためのGANによる逆絡学習
- Authors: Luyi Han, Yuanyuan Lyu, Cheng Peng, S.Kevin Zhou
- Abstract要約: 本稿では,リブ抑圧GAN(RSGAN)と呼ばれる,GANをベースとしたアンタングル学習フレームワークを提案する。
我々は,CXRと対応するリブ抑制結果の強度差を特徴付けるために残差写像を用いる。
我々は,1,673個のCTボリュームと4つのベンチマークCXRデータセットに基づいて,120K以上の画像を対象とした広範囲な実験を行った。
- 参考スコア（独自算出の注目度）: 12.158957925558296
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Clinical evidence has shown that rib-suppressed chest X-rays (CXRs) can
improve the reliability of pulmonary disease diagnosis. However, previous
approaches on generating rib-suppressed CXR face challenges in preserving
details and eliminating rib residues. We hereby propose a GAN-based
disentanglement learning framework called Rib Suppression GAN, or RSGAN, to
perform rib suppression by utilizing the anatomical knowledge embedded in
unpaired computed tomography (CT) images. In this approach, we employ a
residual map to characterize the intensity difference between CXR and the
corresponding rib-suppressed result. To predict the residual map in CXR domain,
we disentangle the image into structure- and contrast-specific features and
transfer the rib structural priors from digitally reconstructed radiographs
(DRRs) computed by CT. Furthermore, we employ additional adaptive loss to
suppress rib residue and preserve more details. We conduct extensive
experiments based on 1,673 CT volumes, and four benchmarking CXR datasets,
totaling over 120K images, to demonstrate that (i) our proposed RSGAN achieves
superior image quality compared to the state-of-the-art rib suppression
methods; (ii) combining CXR with our rib-suppressed result leads to better
performance in lung disease classification and tuberculosis area detection.
- Abstract（参考訳）: 臨床的証拠は、胸部X線(CXR)が肺疾患の診断の信頼性を向上させることを示している。
しかしながら、リブ抑制cxrの生成に関する以前のアプローチでは、詳細の保存とリブ残基の除去が課題となっている。
本稿では,非対位コンピュータ断層撮影(CT)画像に埋め込まれた解剖学的知識を活用することにより,リブ抑制学習フレームワークであるリブ抑制学習(RSGAN)を提案する。
本手法では,cxrとそれに対応するリブ抑制結果の強度差を特徴付けるために残差マップを用いる。
我々は,CXR領域の残像を構造的特徴とコントラスト的特徴に分解し,CTで計算したデジタル再構成ラジオグラフィー(DRR)からリブ構造を転送する。
さらに,リブ残基の抑制と詳細の保存に適応的損失を付加した。
我々は1,673個のCTボリュームと4つのベンチマークCXRデータセットに基づく広範囲な実験を行い、合計120K以上の画像を用いてそれを実証した。
(i)提案したRSGANは,最先端のリブ抑制法に比べて画質が優れている。
(ii)cxrとリブ抑制効果を組み合わせると,肺疾患の分類と結核領域の検出が改善する。
関連論文リスト
- X-Recon: Learning-based Patient-specific High-Resolution CT Reconstruction from Orthogonal X-Ray Images [14.04604990570727]
X-Reconは、左右胸部X線画像に基づく再構成ネットワークである。
PTX-Segはゼロショット気胸セグメンテーションアルゴリズムである。
再現度はピーク信号対雑音比を含むいくつかの指標で最先端の性能を達成した。
論文 参考訳（メタデータ） (2024-07-22T03:55:36Z) - BS-Diff: Effective Bone Suppression Using Conditional Diffusion Models
from Chest X-Ray Images [21.19843479423806]
胸部X線(CXR)は肺検診の低用量モダリティとして一般的に用いられる。
肺領域の約75%は骨と重なり、疾患の検出と診断を妨げている。
骨抑制技術が導入されたが、現在の病院の二重エネルギーサブトラクションイメージング技術は、高価な機器と高放射線にさらされる被検体を必要としている。
本稿では,U-Netアーキテクチャを備えた条件拡散モデルと,オートエンコーダを組み込むシンプルな拡張モジュールを備える骨抑制フレームワークBS-Diffを提案する。
論文 参考訳（メタデータ） (2023-11-26T15:13:13Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - Chest X-ray Image Classification: A Causal Perspective [49.87607548975686]
本稿では,CXR分類問題に対処する因果的アプローチを提案し,構造因果モデル(SCM)を構築し,CXR分類に有効な視覚情報を選択するためにバックドア調整を用いる。
実験の結果,提案手法はオープンソースNIH ChestX-ray14の分類性能に優れていた。
論文 参考訳（メタデータ） (2023-05-20T03:17:44Z) - Optimising Chest X-Rays for Image Analysis by Identifying and Removing
Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。
公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。
我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-22T13:57:04Z) - 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) - A bone suppression model ensemble to improve COVID-19 detection in chest
X-rays [0.6999740786886535]
我々は,前頭部胸部X線像の骨を抑制するために,畳み込みニューラルネットワークモデルのアンサンブルを構築することを提案する。
骨抑制モデルでは,MS-SSIMなどの指標で個々のモデルよりも優れた性能を示した。
CXRモダリティ特異的分類モデルは、非骨抑制および骨抑制画像に基づいて再訓練され、正常な肺または他のCOVID-19様の徴候を示すものとして分類される。
論文 参考訳（メタデータ） (2021-11-05T11:27:26Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Improved TB classification using bone-suppressed chest radiographs [0.6999740786886535]
リブや鎖骨などの骨構造の存在は、診断エラーにつながる微妙な異常を隠すことができます。
本研究の目的は, 胸部x線中の骨構造を同定し除去する, 深層学習(dl)に基づく骨抑制モデルの構築である。
骨圧CXRで訓練されたモデルが非骨圧CXRで訓練されたモデルを大幅に上回ることが観察された。
論文 参考訳（メタデータ） (2021-04-09T17:58:25Z) - X2CT-FLOW: Reconstruction of multiple volumetric chest computed
tomography images with different likelihoods from a uni- or biplanar chest
X-ray image using a flow-based generative model [1.5833270109954134]
胸部X線(CXR)画像からCT画像を再構成するためのX2CT-FLOWを提案します。
再構成された胸部CT画像は、各平面に投影された各画像が各入力DRRまたはCXR画像と一致する条件を満たす。
X2CT-FLOWは、実際の一平面CXR画像から複数の胸部CT画像を再構成できます。
論文 参考訳（メタデータ） (2021-04-09T03:30:27Z) - Towards Ultrafast MRI via Extreme k-Space Undersampling and
Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。
低解像を補うための強力な深層学習に基づく画像強化手法を検討する。
復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文 参考訳（メタデータ） (2021-03-04T10:45:01Z)
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。