論文の概要: A Coarse-to-fine Morphological Approach With Knowledge-based Rules and Self-adapting Correction for Lung Nodules Segmentation

• arxiv url: http://arxiv.org/abs/2202.03433v1
• Date: Mon, 7 Feb 2022 12:10:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-02-09 16:27:31.671817
• Title: A Coarse-to-fine Morphological Approach With Knowledge-based Rules and Self-adapting Correction for Lung Nodules Segmentation
• Title（参考訳）: 肺結節分節に対する知識ベースルールと自己適応補正を用いた粗大な形態的アプローチ
• Abstract要約: 本稿では,しきい値法の性能を大幅に向上させる粗大な手法を提案する。 提案アルゴリズムは,パブリックLIDC-IDRIデータセットとプライベートLC015データセットの両方で最先端の性能を実現する。 摘出した結節を正確に分割することのできるほとんどの形態学的手法とは異なり,本法はタイプや直径には全く依存しない。
• 参考スコア（独自算出の注目度）: 6.909963425628694
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The segmentation module which precisely outlines the nodules is a crucial step in a computer-aided diagnosis(CAD) system. The most challenging part of such a module is how to achieve high accuracy of the segmentation, especially for the juxtapleural, non-solid and small nodules. In this research, we present a coarse-to-fine methodology that greatly improves the thresholding method performance with a novel self-adapting correction algorithm and effectively removes noisy pixels with well-defined knowledge-based principles. Compared with recent strong morphological baselines, our algorithm, by combining dataset features, achieves state-of-the-art performance on both the public LIDC-IDRI dataset (DSC 0.699) and our private LC015 dataset (DSC 0.760) which closely approaches the SOTA deep learning-based models' performances. Furthermore, unlike most available morphological methods that can only segment the isolated and well-circumscribed nodules accurately, the precision of our method is totally independent of the nodule type or diameter, proving its applicability and generality.
• Abstract（参考訳）: 結節を正確に概説するセグメンテーションモジュールは,コンピュータ支援診断(CAD)システムにおいて重要なステップである。 このようなモジュールの最も難しい部分は、セグメンテーションの高精度化の方法であり、特に、juxtapleural、non-solid、small nodulesについてである。 本研究では,新しい自己適応補正アルゴリズムを用いてしきい値化手法の性能を大幅に向上させ,知識ベース原理の確立したノイズ画素を効果的に除去する手法を提案する。 近年の強い形態素ベースラインと比較して,我々のアルゴリズムは,SOTA深層学習モデルの性能に近づき,一般のLIDC-IDRIデータセット(DSC 0.699)とプライベートLC015データセット(DSC 0.760)の両方で最先端のパフォーマンスを達成する。 さらに,本手法の精度は,分離した小節のみを高精度に分割できるほとんどの形態素法とは異なり,小節タイプや直径とは完全に独立しており,その適用性と汎用性が証明されている。

関連論文リスト

• GANet-Seg: Adversarial Learning for Brain Tumor Segmentation with Hybrid Generative Models [1.0456203870202954]
  この研究は、事前訓練されたGANとUnetアーキテクチャを利用した脳腫瘍セグメンテーションのための新しいフレームワークを導入する。 グローバルな異常検出モジュールと改良されたマスク生成ネットワークを組み合わせることで,腫瘍感受性領域を正確に同定する。 マルチモーダルMRIデータと合成画像拡張を用いて、ロバスト性を改善し、限られたアノテートデータセットの課題に対処する。
  論文  参考訳（メタデータ） (2025-06-26T13:28:09Z)
• Systematic Review of Pituitary Gland and Pituitary Adenoma Automatic Segmentation Techniques in Magnetic Resonance Imaging [40.16592757754337]
  自動・半自動セグメンテーション法を応用した34種類の研究をレビューした。 レビューされた研究の大半はディープラーニングのアプローチを利用しており、U-Netベースのモデルが最も普及している。 正常下垂体腺のような小さな構造において、一貫して良好な性能を達成するためには、さらなる改善が必要である。
  論文  参考訳（メタデータ） (2025-06-24T17:05:01Z)
• Anomaly-Driven Approach for Enhanced Prostate Cancer Segmentation [0.0]
  本研究では,2パラメータMRI系列から得られた異常マップを深層学習に基づくセグメンテーションフレームワークに組み込んだ,異常駆動型U-Net(adU-Net)を提案する。 固定点GAN再構成を用いて生成された異常マップは、正常前立腺組織からの偏差を強調し、セグメント化モデルを潜在的癌領域へ導く。
  論文  参考訳（メタデータ） (2025-04-30T16:48:00Z)
• Multi-encoder nnU-Net outperforms Transformer models with self-supervised pretraining [0.0]
  本研究は, 医用画像の解剖学的構造と病理的領域の自動同定と記述を含む, 医用画像セグメンテーションの課題に対処するものである。 本稿では,複数のMRIモダリティを別個のエンコーダで独立に処理するために設計された,自己教師型学習用マルチエンコーダnnU-Netアーキテクチャを提案する。 我々のマルチエンコーダnnU-Netは、Vanilla nnU-Net、SegResNet、Swin UNETRといった他のモデルを上回る93.72%のDice similarity Coefficient(DSC)を達成し、例外的な性能を示す。
  論文  参考訳（メタデータ） (2025-04-04T14:31:06Z)
• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• Detection-Guided Deep Learning-Based Model with Spatial Regularization for Lung Nodule Segmentation [2.4044422838107438]
  肺がんはがんの診断の主要な原因の1つであり、世界中でがん関連死亡の原因となっている。 肺結節の分節は、悪性病変と良性病変の区別において、医師を支援する上で重要な役割を担っている。 本稿では,CT画像における肺結節のセグメンテーションモデルを導入し,セグメンテーションと分類プロセスを統合する深層学習フレームワークを活用する。
  論文  参考訳（メタデータ） (2024-10-26T11:58:12Z)
• Deep Learning-Based Channel Squeeze U-Structure for Lung Nodule Detection and Segmentation [7.53596352508181]
  本稿では,肺結節の自動検出とセグメンテーションのための新しいディープラーニング手法を提案する。 この手法は、感度、Dice類似度係数、精度、および平均結合断面積(IoU)の点で優れた性能を示す。 その結果,本手法はコンピュータ支援診断システムの改善に有意な可能性を秘めていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-20T19:47:07Z)
• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• A Two-Stage Generative Model with CycleGAN and Joint Diffusion for MRI-based Brain Tumor Detection [41.454028276986946]
  本稿では,脳腫瘍の検出とセグメンテーションを改善するための2段階生成モデル(TSGM)を提案する。 CycleGANは、未ペアデータに基づいてトレーニングされ、データとして正常な画像から異常な画像を生成する。 VE-JPは、合成対の異常画像をガイドとして使用して、健康な画像の再構成を行う。
  論文  参考訳（メタデータ） (2023-11-06T12:58:26Z)
• PREM: A Simple Yet Effective Approach for Node-Level Graph Anomaly Detection [65.24854366973794]
  ノードレベルのグラフ異常検出(GAD)は、医学、ソーシャルネットワーク、eコマースなどの分野におけるグラフ構造化データから異常ノードを特定する上で重要な役割を果たす。 本稿では,GADの効率を向上させるために,PREM (preprocessing and Matching) という簡単な手法を提案する。 我々のアプローチは、強力な異常検出機能を維持しながら、GADを合理化し、時間とメモリ消費を削減します。
  論文  参考訳（メタデータ） (2023-10-18T02:59:57Z)
• Learnable Weight Initialization for Volumetric Medical Image Segmentation [66.3030435676252]
  本稿では,学習可能な重みに基づくハイブリッド医療画像セグメンテーション手法を提案する。 我々のアプローチはどんなハイブリッドモデルにも簡単に統合でき、外部のトレーニングデータを必要としない。 多臓器・肺がんセグメンテーションタスクの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-06-15T17:55:05Z)
• 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)
• Weakly-Supervised Universal Lesion Segmentation with Regional Level Set Loss [16.80758525711538]
  高分解能ネットワーク(HRNet)に基づく新しい弱監督ユニバーサル病変分割法を提案する。 AHRNetはデコーダ、デュアルアテンション、スケールアテンション機構を含む高度な高解像度のディープイメージ機能を提供する。 本手法は,公開大規模deeplesionデータセットとホールドアウトテストセットにおいて,最高の性能を実現する。
  論文  参考訳（メタデータ） (2021-05-03T23:33:37Z)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)
• Automatic Data Augmentation via Deep Reinforcement Learning for Effective Kidney Tumor Segmentation [57.78765460295249]
  医用画像セグメンテーションのための新しい学習ベースデータ拡張法を開発した。 本手法では,データ拡張モジュールと後続のセグメンテーションモジュールをエンドツーエンドのトレーニング方法で一貫した損失と,革新的に組み合わせる。 提案法の有効性を検証したCT腎腫瘍分節法について,本法を広範囲に評価した。
  論文  参考訳（メタデータ） (2020-02-22T14:10:13Z)

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。