論文の概要: Pulmonary Fissure Segmentation in CT Images Based on ODoS Filter and
Shape Features
- arxiv url: http://arxiv.org/abs/2201.09163v1
- Date: Sun, 23 Jan 2022 02:43:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-28 03:04:20.766446
- Title: Pulmonary Fissure Segmentation in CT Images Based on ODoS Filter and
Shape Features
- Title（参考訳）: ODoSフィルタと形状特徴を用いたCT画像における肺吸入セグメンテーション
- Authors: Yuanyuan Peng, Pengpeng Luan, Hongbin Tu, Xiong Li, Ping Zhou
- Abstract要約: 我々は、方位情報と等級情報を融合して、ファイジャー強化のための構造特徴を強調することにより、ODoSフィルタを採用する。
大きさ場における肺細管と管状構造の形状差を考慮し, 形状測定法と3次元骨格化モデルを組み合わせて肺細管を切断する。
- 参考スコア（独自算出の注目度）: 3.7006330637320897
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Priori knowledge of pulmonary anatomy plays a vital role in diagnosis of lung
diseases. In CT images, pulmonary fissure segmentation is a formidable mission
due to various of factors. To address the challenge, an useful approach based
on ODoS filter and shape features is presented for pulmonary fissure
segmentation. Here, we adopt an ODoS filter by merging the orientation
information and magnitude information to highlight structure features for
fissure enhancement, which can effectively distinguish between pulmonary
fissures and clutters. Motivated by the fact that pulmonary fissures appear as
linear structures in 2D space and planar structures in 3D space in orientation
field, an orientation curvature criterion and an orientation partition scheme
are fused to separate fissure patches and other structures in different
orientation partition, which can suppress parts of clutters. Considering the
shape difference between pulmonary fissures and tubular structures in magnitude
field, a shape measure approach and a 3D skeletonization model are combined to
segment pulmonary fissures for clutters removal. When applying our scheme to 55
chest CT scans which acquired from a publicly available LOLA11 datasets, the
median F1-score, False Discovery Rate (FDR), and False Negative Rate (FNR)
respectively are 0.896, 0.109, and 0.100, which indicates that the presented
method has a satisfactory pulmonary fissure segmentation performance.
- Abstract（参考訳）: 肺解剖学の事前知識は肺疾患の診断において重要な役割を果たす。
CT画像では, 肺胞分画は様々な要因により, 強迫性ミッションである。
この課題に対処するために,ODoSフィルタと形状特徴に基づく肺胞分画法に有用なアプローチを提案する。
本稿では,向き情報とマグニチュード情報を融合したodosフィルタを採用し,肺裂とクラッタを効果的に区別するfissure拡張のための構造特徴を強調する。
2次元空間における肺裂の線状構造と方位場における3次元空間における平面構造との相乗効果により、方位曲率基準と方位分割スキームとを融合させ、異なる方位分割における分裂パッチやその他の構造を分離し、クラッタの部分を抑制することができる。
大きさ場における肺細管と管状構造の形状差を考慮し, 形状測定法と3次元骨格化モデルを組み合わせて肺細管を切断する。
本手法を, LOLA11データセットから取得した55個の胸部CTスキャンに適用した場合, F1スコア, False Discovery Rate (FDR), False Negative Rate (FNR)はそれぞれ0.896, 0.109, 0.100であり, 提案法は良好な肺線量セグメンテーション性能を示した。
関連論文リスト
- Robust deep labeling of radiological emphysema subtypes using squeeze
and excitation convolutional neural networks: The MESA Lung and SPIROMICS
Studies [34.200556207264974]
肺気腫は進行性で不可逆的な肺組織喪失である。
最近の研究は、肺CTにおける空間的インフォームド肺テクスチャパターン(ss)の教師なし学習につながっている。
肺CT上のss CNNとCTESの教師あり分類のための3次元圧縮・励起モデルを提案する。
論文 参考訳（メタデータ） (2024-03-01T03:45:56Z) - Automatic lobe segmentation using attentive cross entropy and end-to-end
fissure generation [6.0255364788259165]
トレーニング中の肺線維周囲に注意を払う自動肺葉分画フレームワークを提案する。
また, 補助的肺細管分割作業において, エンドツーエンドの肺細管生成手法も導入した。
プライベートデータセットSTLBとパブリックデータセットLUNA16でそれぞれ97.83%と94.75%のダイススコアを達成した。
論文 参考訳（メタデータ） (2023-07-24T09:16:05Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - An Efficient and Robust Method for Chest X-Ray Rib Suppression that
Improves Pulmonary Abnormality Diagnosis [0.49998148477760956]
胸部X線(CXR)に対する胸部骨陰影の抑制は肺疾患の診断を改善することが示唆された。
従来のアプローチは、教師なしの物理的および教師なしのディープラーニングモデルに分類される。
本研究では,(1)空間変換勾配場における物理モデルによる最小化によりGT骨影を除去した2段階のトレーニングペアの生成について,一般化可能かつ効率的なワークフローを提案する。
2) 受信したCXRの高速リブ除去のために,ステージ1データセット上でのネットワークトレーニングをフル教師する。
論文 参考訳（メタデータ） (2023-02-19T23:47:02Z) - What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。
しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。
肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
論文 参考訳（メタデータ） (2022-07-07T04:24:17Z) - BronchusNet: Region and Structure Prior Embedded Representation Learning
for Bronchus Segmentation and Classification [53.53758990624962]
そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。
気管支分画のための適応型ハード領域対応UNetを提案する。
気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
論文 参考訳（メタデータ） (2022-05-14T02:32:33Z) - Pulmonary Vessel Segmentation based on Orthogonal Fused U-Net++ of Chest
CT Images [1.8692254863855962]
胸部CT画像から肺血管セグメンテーションの枠組みと改善過程について検討した。
アプローチの鍵となるのは、3つの軸から2.5D区分けネットワークを応用し、堅牢で完全に自動化された肺血管区分け結果を示す。
提案手法は,他のネットワーク構造よりも大きなマージンで優れ,平均DICEスコア0.9272,精度0.9310を極端に上回っている。
論文 参考訳（メタデータ） (2021-07-03T21:46:29Z) - 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) - Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。
このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。
本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
論文 参考訳（メタデータ） (2020-10-09T10:15:26Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z)
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。