論文の概要: Robust deep learning-based semantic organ segmentation in hyperspectral images

• arxiv url: http://arxiv.org/abs/2111.05408v1
• Date: Tue, 9 Nov 2021 20:37:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-11 14:24:43.750143
• Title: Robust deep learning-based semantic organ segmentation in hyperspectral images
• Title（参考訳）: 高スペクトル画像におけるロバスト深層学習に基づく意味器官のセグメンテーション
• Authors: Silvia Seidlitz (1 and 2) and Jan Sellner (1 and 2), Jan Odenthal (3), Berkin \"Ozdemir (3 and 4), Alexander Studier-Fischer (3 and 4), Samuel Kn\"odler (3 and 4), Leonardo Ayala (1 and 4), Tim Adler (1 and 6), Hannes G. Kenngott (2 and 3), Minu Tizabi (1), Martin Wagner (2 and 3 and 4), Felix Nickel (2 and 3 and 4), Beat P. M\"uller-Stich (3 and 4), Lena Maier-Hein (1 and 2 and 4 and 5 and 6) ((1) Computer Assisted Medical Interventions (CAMI), German Cancer Research Center (DKFZ), Heidelberg, Germany, (2) Helmholtz Information and Data Science School for Health, Karlsruhe/Heidelberg, Germany, (3) Department of General, Visceral, and Transplantation Surgery, Heidelberg University Hospital, Heidelberg, Germany, (4) Medical Faculty, Heidelberg University, Heidelberg, Germany, (5) HIP Helmholtz Imaging Platform, German Cancer Research Center (DKFZ), Heidelberg, Germany, (6) Faculty of Mathematics and Computer Science, Heidelberg University, Germany)
• Abstract要約: 開腹手術で得られたスペクトル画像データに基づく全シーンのセマンティックセマンティックセマンティクスは,現在までほとんど注目されていない。 開腹手術で得られた豚のハイパースペクトルイメージング(HSI)データに基づく以下の研究課題について検討する。 完全自動手術シーン理解において,HSIは強力な画像モダリティとなる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 29.342448910787773
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Semantic image segmentation is an important prerequisite for context-awareness and autonomous robotics in surgery. The state of the art has focused on conventional RGB video data acquired during minimally invasive surgery, but full-scene semantic segmentation based on spectral imaging data and obtained during open surgery has received almost no attention to date. To address this gap in the literature, we are investigating the following research questions based on hyperspectral imaging (HSI) data of pigs acquired in an open surgery setting: (1) What is an adequate representation of HSI data for neural network-based fully automated organ segmentation, especially with respect to the spatial granularity of the data (pixels vs. superpixels vs. patches vs. full images)? (2) Is there a benefit of using HSI data compared to other modalities, namely RGB data and processed HSI data (e.g. tissue parameters like oxygenation), when performing semantic organ segmentation? According to a comprehensive validation study based on 506 HSI images from 20 pigs, annotated with a total of 19 classes, deep learning-based segmentation performance increases - consistently across modalities - with the spatial context of the input data. Unprocessed HSI data offers an advantage over RGB data or processed data from the camera provider, with the advantage increasing with decreasing size of the input to the neural network. Maximum performance (HSI applied to whole images) yielded a mean dice similarity coefficient (DSC) of 0.89 (standard deviation (SD) 0.04), which is in the range of the inter-rater variability (DSC of 0.89 (SD 0.07)). We conclude that HSI could become a powerful image modality for fully-automatic surgical scene understanding with many advantages over traditional imaging, including the ability to recover additional functional tissue information.
• Abstract（参考訳）: 意味的イメージセグメンテーションは、手術における文脈認識と自律ロボット工学にとって重要な前提条件である。 現状は,低侵襲手術中に取得した従来のrgb映像データに焦点を当てているが,スペクトル画像データに基づく全シーン意味セグメンテーションは,現在ほとんど注目されていない。 このギャップに対処するために、我々は、オープンな手術環境で取得したブタのハイパースペクトルイメージング(HSI)データに基づく以下の研究課題について検討している。(1) ニューラルネットワークに基づく完全自動臓器分割のためのHSIデータの適切な表現とは何か、特にデータの空間的粒度(ピクセル対スーパーピクセル対パッチ対フルイメージ)について? 2) 意味器官のセグメンテーションを行う場合,RGBデータや処理されたHSIデータ(例えば酸素化などの組織パラメータ)と比較して,HSIデータを使用するメリットはあるか? 20匹の豚の506個のhsi画像に基づく包括的な検証研究によれば、合計19のクラスでアノテートされ、入力データの空間的コンテキストによって、ディープラーニングベースのセグメンテーション性能が一貫して向上している。 未処理のhsiデータでは、rgbデータやカメラプロバイダからの処理データよりもアドバンテージがあり、ニューラルネットワークへの入力のサイズを小さくすることでアドバンテージが向上する。 最大性能 (HSI) は0.89(標準偏差 (SD) 0.04) の平均サイス類似係数 (DSC) を得たが、これは波長間変動 (DSC: 0.89 (SD 0.07)) の範囲にある。 HSIは従来の画像よりも多くの利点があり,機能的組織情報を復元する能力など,完全自動手術シーン理解のための強力な画像モダリティとなる可能性が示唆された。

関連論文リスト

• Handling Geometric Domain Shifts in Semantic Segmentation of Surgical RGB and Hyperspectral Images [67.66644395272075]
  本稿では,幾何学的アウト・オブ・ディストリビューションデータに直面する場合の,最先端のセマンティックセマンティックセマンティクスモデルの最初の解析を行う。 本稿では, 汎用性を高めるために, 有機移植(Organ Transplantation)と呼ばれる拡張技術を提案する。 我々の拡張技術は、RGBデータに対して最大67%、HSIデータに対して90%のSOAモデル性能を改善し、実際のOODテストデータに対して、分配内パフォーマンスのレベルでのパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-08-27T19:13:15Z)
• TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
  本研究では,TotalSegmentatorをMR画像に拡張した。 このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。 このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
  論文  参考訳（メタデータ） (2024-05-29T20:15:54Z)
• Robust Tumor Segmentation with Hyperspectral Imaging and Graph Neural Networks [31.87960207119459]
  より堅牢でスムーズなセグメンテーションのために,タイルの空間的文脈を利用した改良手法を提案する。 タイルの不規則な形状に対処するため,グラフニューラルネットワーク(GNN)を用いて周辺地域のコンテキスト情報を伝播する。 以上の結果から, 文脈認識型GNNアルゴリズムは, HSI画像上の腫瘍の区切りを頑健に検出できることが示唆された。
  論文  参考訳（メタデータ） (2023-11-20T14:07:38Z)
• Semantic segmentation of surgical hyperspectral images under geometric domain shifts [69.91792194237212]
  本稿では、幾何学的アウト・オブ・ディストリビューション(OOD)データの存在下で、最先端のセマンティックセグメンテーションネットワークを初めて分析する。 有機移植(Organ transplantation)と呼ばれる専用の拡張技術により、一般化可能性にも対処する。 提案手法は,SOA DSCの最大67 % (RGB) と90% (HSI) を改善し,実際のOODテストデータ上での分配内性能と同等の性能を示す。
  論文  参考訳（メタデータ） (2023-03-20T09:50:07Z)
• Hyperspectral Image Segmentation: A Preliminary Study on the Oral and Dental Spectral Image Database (ODSI-DB) [3.1993890965689666]
  ハイパースペクトルイメージング(HSI)は、豊富なスペクトル情報を提供する有望な技術である。 近年のスナップショットHSIカメラの開発により,リアルタイム臨床HSIが実現可能性が高まっている。 本研究は、HSIカメラの開発をガイドし、将来的な臨床用HSIアプリケーションに通知するために、スペクトル分解能、スペクトル範囲、空間情報の相対的重要性を強調した。
  論文  参考訳（メタデータ） (2023-03-14T21:57:11Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• 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)
• Gastric histopathology image segmentation using a hierarchical conditional random field [16.920864110707747]
  新たな条件付ランダムフィールド(HCRF)に基づく胃組織像(GHIS)法を提案する。 HCRFモデルは高いセグメンテーション性能を示し、GHIS分野におけるその有効性と将来の可能性を示す。
  論文  参考訳（メタデータ） (2020-03-03T02:44:31Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。