論文の概要: BREAK: Bronchi Reconstruction by gEodesic transformation And sKeleton embedding

• arxiv url: http://arxiv.org/abs/2202.00002v1
• Date: Sat, 29 Jan 2022 09:05:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-02 15:42:21.193793
• Title: BREAK: Bronchi Reconstruction by gEodesic transformation And sKeleton embedding
• Title（参考訳）: BREAK: geodesic transformation と sKeleton embedded による気管支再建術
• Authors: Weihao Yu, Hao Zheng, Minghui Zhang, Hanxiao Zhang, Jiayuan Sun, Jie Yang
• Abstract要約: 気道セグメンテーションは、仮想気管支鏡およびコンピュータ支援肺疾患解析に重要である。 近年,コンボリューションニューラルネットワーク (CNN) は気管支木をデライン化するために広く用いられている。 本稿では, 破壊感応正規化項を設計し, 他の損失関数と簡単に組み合わせることができる。
• 参考スコア（独自算出の注目度）: 18.798523002748432
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Airway segmentation is critical for virtual bronchoscopy and computer-aided pulmonary disease analysis. In recent years, convolutional neural networks (CNNs) have been widely used to delineate the bronchial tree. However, the segmentation results of the CNN-based methods usually include many discontinuous branches, which need manual repair in clinical use. A major reason for the breakages is that the appearance of the airway wall can be affected by the lung disease as well as the adjacency of the vessels, while the network tends to overfit to these special patterns in the training set. To learn robust features for these areas, we design a multi-branch framework that adopts the geodesic distance transform to capture the intensity changes between airway lumen and wall. Another reason for the breakages is the intra-class imbalance. Since the volume of the peripheral bronchi may be much smaller than the large branches in an input patch, the common segmentation loss is not sensitive to the breakages among the distal branches. Therefore, in this paper, a breakage-sensitive regularization term is designed and can be easily combined with other loss functions. Extensive experiments are conducted on publicly available datasets. Compared with state-of-the-art methods, our framework can detect more branches while maintaining competitive segmentation performance.
• Abstract（参考訳）: エアウェイセグメンテーションは仮想気管支鏡およびコンピュータ支援肺疾患解析に重要である。 近年,コンボリューションニューラルネットワーク (CNN) は気管支木をデライン化するために広く用いられている。 しかしながら、cnnベースの方法のセグメンテーション結果は、通常、臨床使用において手作業による修復を必要とする多くの不連続な枝を含んでいる。 破損の主な理由は、気道壁の外観が肺疾患や血管の隣接性に影響されうることであり、一方、ネットワークはトレーニングセットのこれらの特別なパターンに過度に適合する傾向がある。 これらの領域のロバストな特徴を学ぶため,我々は,気道ルーメンと壁の強度変化を捉えるために,測地線距離変換を用いたマルチブランチフレームワークを設計した。 もう一つの原因はクラス内不均衡である。 周辺気管支の体積は入力パッチの大型枝よりもはるかに小さいため、共通分節損失は遠位枝間の破断に敏感ではない。 そこで本稿では,故障感応正規化項をデザインし,他の損失関数と容易に組み合わせることができる。 公開データセット上で大規模な実験が行われる。 最先端のメソッドと比較すると,競合セグメンテーション性能を維持しつつ,より多くのブランチを検出できる。

関連論文リスト

• Multi-Stage Airway Segmentation in Lung CT Based on Multi-scale Nested Residual UNet [3.1903847117782274]
  深層学習は医用画像のセグメンテーションに大きな進歩をもたらしたが、気道の連続性を維持することは依然として困難である。 本稿では,小空路の複雑な詳細を効果的に把握し,情報フローを向上させるためのネスト残留フレームワークを提案する。 MNR-UNetのトレーニングを最適化する3段階セグメンテーションパイプラインを開発した。
  論文  参考訳（メタデータ） (2024-10-24T06:10:09Z)
• Shape-aware synthesis of pathological lung CT scans using CycleGAN for enhanced semi-supervised lung segmentation [0.0]
  本稿では,画像-画像間翻訳におけるCycleGANの使用を強調した。 既存の真実と一致する偽の病理画像を生成することができる拡張方法を提供する。 本研究の予備的な結果は, 質的, 定量的に有意な改善を示すものである。
  論文  参考訳（メタデータ） (2024-05-14T12:45:49Z)
• 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)
• Differentiable Topology-Preserved Distance Transform for Pulmonary Airway Segmentation [34.22415353209505]
  気道セグメンテーションの性能を向上させるために, 位相保存距離変換(DTPDT)フレームワークを提案する。 The Topology-Preserved Surrogate (TPS) learning strategy was first proposed to balance the training progress within-class distribution。 The Convolutional Distance Transform (CDT) is designed to identify the breakage phenomenon with superior sensitivity and minimize the variation of the distance map between the prediction and ground-truth。
  論文  参考訳（メタデータ） (2022-09-17T15:47:01Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• 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)
• Learning Tubule-Sensitive CNNs for Pulmonary Airway and Artery-Vein Segmentation in CT [45.93021999366973]
  肺気道,動脈,静脈の分節に対する畳み込みニューラルネットワーク(CNN)の訓練は困難である。 コントラスト非造影CTにおいて,CNNによる正確な気道および動脈静脈分画法を提案する。 細気管支、動脈、静脈に対して優れた感受性を有する。
  論文  参考訳（メタデータ） (2020-12-10T15:56:08Z)
• Adaptive feature recombination and recalibration for semantic segmentation with Fully Convolutional Networks [57.64866581615309]
  完全畳み込みネットワークを用いたセマンティックセグメンテーションに適応した特徴の組換えと空間適応型再分類ブロックを提案する。 その結果、再結合と再校正は競争ベースラインの結果を改善し、3つの異なる問題にまたがって一般化することを示した。
  論文  参考訳（メタデータ） (2020-06-19T15:45:03Z)

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。