論文の概要: AWSnet: An Auto-weighted Supervision Attention Network for Myocardial
Scar and Edema Segmentation in Multi-sequence Cardiac Magnetic Resonance
Images
- arxiv url: http://arxiv.org/abs/2201.05344v1
- Date: Fri, 14 Jan 2022 08:59:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-17 20:46:58.330456
- Title: AWSnet: An Auto-weighted Supervision Attention Network for Myocardial
Scar and Edema Segmentation in Multi-sequence Cardiac Magnetic Resonance
Images
- Title（参考訳）: AWSnet:マルチシーケンス磁気共鳴画像における心筋スカーと浮腫セグメンテーションのための自動重み付きスーパービジョンアテンションネットワーク
- Authors: Kai-Ni Wang, Xin Yang, Juzheng Miao, Lei Li, Jing Yao, Ping Zhou,
Wufeng Xue, Guang-Quan Zhou, Xiahai Zhuang, Dong Ni
- Abstract要約: マルチシーケンスCMRデータから傷痕と浮腫のセグメンテーションに取り組むための,新しい自動重み付け監視フレームワークを開発した。
また, より小さな心筋病変領域の分画を, 形状の事前知識で促進する, 粗大から細大の枠組みを設計した。
マルチシーケンスCMRデータを用いた心筋病理診断の進歩に期待できる。
- 参考スコア（独自算出の注目度）: 23.212429566838203
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-sequence cardiac magnetic resonance (CMR) provides essential pathology
information (scar and edema) to diagnose myocardial infarction. However,
automatic pathology segmentation can be challenging due to the difficulty of
effectively exploring the underlying information from the multi-sequence CMR
data. This paper aims to tackle the scar and edema segmentation from
multi-sequence CMR with a novel auto-weighted supervision framework, where the
interactions among different supervised layers are explored under a
task-specific objective using reinforcement learning. Furthermore, we design a
coarse-to-fine framework to boost the small myocardial pathology region
segmentation with shape prior knowledge. The coarse segmentation model
identifies the left ventricle myocardial structure as a shape prior, while the
fine segmentation model integrates a pixel-wise attention strategy with an
auto-weighted supervision model to learn and extract salient pathological
structures from the multi-sequence CMR data. Extensive experimental results on
a publicly available dataset from Myocardial pathology segmentation combining
multi-sequence CMR (MyoPS 2020) demonstrate our method can achieve promising
performance compared with other state-of-the-art methods. Our method is
promising in advancing the myocardial pathology assessment on multi-sequence
CMR data. To motivate the community, we have made our code publicly available
via https://github.com/soleilssss/AWSnet/tree/master.
- Abstract（参考訳）: multi-sequence heart magnetic resonance (cmr) は心筋梗塞の診断に必須の病理情報(scar, edema)を提供する。
しかし,多列cmrデータからの基礎情報を効果的に探索することが困難であるため,病理自動分割は困難である。
本稿では,多列CMRからの傷痕と浮腫のセグメンテーションを,教師層間の相互作用を強化学習を用いて検討する,新しい自己重み付け監視フレームワークを用いて解決することを目的とする。
さらに, より小さな心筋病変領域の分画を, より詳細な知識で促進する枠組みを考案した。
粗い分節モデルは左心室の心筋構造を予め形状として識別し,細部分節モデルはピクセル毎の注意戦略と自己重み付き監督モデルを統合し,多列cmrデータから有意な病理構造を学習し抽出する。
マルチシーケンスcmr(myops 2020)を併用した心筋病理学セグメンテーションの公開データセットの広範な実験結果から,本手法は他の最先端法と比較して有望な性能が得られることを示した。
マルチシーケンスcmrデータを用いた心筋病理評価の進歩を期待する。
コミュニティを動機づけるため、私たちはhttps://github.com/soleilssss/AWSnet/tree/masterを通じてコードを公開しました。
関連論文リスト
- Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。
本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
論文 参考訳（メタデータ） (2025-02-07T21:09:05Z) - Ensemble Learning of Myocardial Displacements for Myocardial Infarction
Detection in Echocardiography [15.153823114115307]
心筋梗塞の早期発見と局所化は、心臓損傷の重症度を低下させる可能性がある。
深層学習技術は心エコー画像におけるMI検出の可能性を示唆している。
本研究は,複数のセグメンテーションモデルの特徴を組み合わせ,MI分類性能を向上させるロバストな手法を提案する。
論文 参考訳（メタデータ） (2023-03-12T20:16:14Z) - Aligning Multi-Sequence CMR Towards Fully Automated Myocardial Pathology
Segmentation [20.68539814306763]
心筋梗塞のリスク階層化と治療計画にMyoPSが重要である
非整合MS-CMR画像のためのMyoPSフレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-07T15:41:40Z) - 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) - MyoPS-Net: Myocardial Pathology Segmentation with Flexible Combination
of Multi-Sequence CMR Images [21.671773978257253]
我々はMyoPS-Netと呼ばれるエンド・ツー・エンドのディープ・ニューラルネットワークを開発し、MyoPSのための5シーケンス心磁気共鳴(CMR)画像を柔軟に組み合わせた。
正確かつ適切な情報を抽出するために,クロスモーダルな特徴を抽出・融合する効果的かつフレキシブルなアーキテクチャを設計する。
その結果,MyoPS-Netの優位性と一般化性が証明され,さらに臨床的に有用であることが示唆された。
論文 参考訳（メタデータ） (2022-11-06T08:46:24Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳（メタデータ） (2022-01-10T06:37:23Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - Towards Cross-modality Medical Image Segmentation with Online Mutual
Knowledge Distillation [71.89867233426597]
本稿では,あるモダリティから学習した事前知識を活用し,別のモダリティにおけるセグメンテーション性能を向上させることを目的とする。
モーダル共有知識を徹底的に活用する新しい相互知識蒸留法を提案する。
MMWHS 2017, MMWHS 2017 を用いた多クラス心筋セグメンテーション実験の結果, CT セグメンテーションに大きな改善が得られた。
論文 参考訳（メタデータ） (2020-10-04T10:25:13Z) - 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) - 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。