論文の概要: LTSP: Long-Term Slice Propagation for Accurate Airway Segmentation
- arxiv url: http://arxiv.org/abs/2202.06260v1
- Date: Sun, 13 Feb 2022 08:47:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-15 17:02:42.486994
- Title: LTSP: Long-Term Slice Propagation for Accurate Airway Segmentation
- Title（参考訳）: LTSP: 高精度エアウェイセグメンテーションのための長期スライス伝播
- Authors: Yangqian Wu, Minghui Zhang, Weihao Yu, Hao Zheng, Jiasheng Xu and Yun
Gu
- Abstract要約: 気管支鏡下手術は、肺疾患に対する広く用いられている臨床技術である。
気道マップは胸部CTスキャンから自動的に抽出できる。
気道の複雑な木のような構造のため、そのトポロジーの完全性を維持することは難しい課題である。
- 参考スコア（独自算出の注目度）: 19.40457329997144
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose: Bronchoscopic intervention is a widely-used clinical technique for
pulmonary diseases, which requires an accurate and topological complete airway
map for its localization and guidance. The airway map could be extracted from
chest computed tomography (CT) scans automatically by airway segmentation
methods. Due to the complex tree-like structure of the airway, preserving its
topology completeness while maintaining the segmentation accuracy is a
challenging task.
Methods: In this paper, a long-term slice propagation (LTSP) method is
proposed for accurate airway segmentation from pathological CT scans. We also
design a two-stage end-to-end segmentation framework utilizing the LTSP method
in the decoding process. Stage 1 is used to generate a coarse feature map by an
encoder-decoder architecture. Stage 2 is to adopt the proposed LTSP method for
exploiting the continuity information and enhancing the weak airway features in
the coarse feature map. The final segmentation result is predicted from the
refined feature map.
Results: Extensive experiments were conducted to evaluate the performance of
the proposed method on 70 clinical CT scans. The results demonstrate the
considerable improvements of the proposed method compared to some
state-of-the-art methods as most breakages are eliminated and more tiny bronchi
are detected. The ablation studies further confirm the effectiveness of the
constituents of the proposed method.
Conclusion: Slice continuity information is beneficial to accurate airway
segmentation. Furthermore, by propagating the long-term slice feature, the
airway topology connectivity is preserved with overall segmentation accuracy
maintained.
- Abstract（参考訳）: 目的: 気管支鏡下手術は, 肺疾患に対して広く用いられている臨床技術であり, その局所化と誘導には, 正確なトポロジカルな完全な気道マップが必要である。
気道図は胸部ctスキャンから気道分割法で自動的に抽出できた。
気道の複雑な木のような構造のため、セグメンテーション精度を維持しながらトポロジー完全性を維持することは難しい課題である。
方法: 本報告では, 病理ctによる気道分画の高精度化のために, 長期スライス伝播法 (ltsp) を提案する。
また、復号処理におけるLTSP法を利用した2段階のエンドツーエンドセグメンテーションフレームワークを設計する。
ステージ1はエンコーダ-デコーダアーキテクチャによって粗い特徴マップを生成するために使用される。
ステージ2では,連続性情報を利用して粗い特徴マップの弱い気道特性を向上するLTSP手法を提案する。
洗練された特徴マップから最終分割結果を予測する。
結果: 臨床CT70例を対象に, 提案法の性能評価を行うため, 広範囲な実験を行った。
その結果, 最先端法に比べ, 断裂がほとんどなく, 細気管支が検出されるため, 提案法の大幅な改善が示された。
アブレーション研究により,提案法の有効性がさらに確認された。
結論: スライス連続性情報は正確な気道セグメンテーションに有用である。
さらに, 長期スライス特性を伝播させることで, 気道トポロジー接続を全体のセグメンテーション精度を維持しながら維持する。
関連論文リスト
- Skeleton Supervised Airway Segmentation [27.65479179170118]
気道に合わせた新しいスケルトンレベルのアノテーション(SkA)を導入し,アノテーションのワークフローを簡素化する。
また,正確な気道セグメンテーションを実現するための骨格教師あり学習フレームワークを提案する。
実験の結果,提案手法はSKAと競合する手法より優れており,その性能は1.96%に過ぎなかった。
論文 参考訳（メタデータ） (2024-03-11T08:37:03Z) - Two-stage Contextual Transformer-based Convolutional Neural Network for
Airway Extraction from CT Images [17.45239343953272]
CT画像を用いた気道セグメンテーションのための新しい2段階3次元コンテクスト変換器U-Netを提案する。
この方法は2つの段階から構成され、初期および改良された気道セグメンテーションを実行する。
第1段階では、サブネットに全気道マスクとCT画像が設けられ、サブネットに肺内マスクと対応するCTスキャンが提供される。
論文 参考訳（メタデータ） (2022-12-15T08:18:37Z) - 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) - 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) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - FDA: Feature Decomposition and Aggregation for Robust Airway
Segmentation [28.880817101034715]
クリーン領域とノイズ領域の変動に対処する新しいデュアルストリームネットワークを提案する。
トランスファー可能なクリーンな特徴とノイズの多い特徴を別々に抽出する2つの異なるエンコーダを設計した。
ノイズCTでは, 気管支の分画が良好であった。
論文 参考訳（メタデータ） (2021-09-07T08:16:51Z) - MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT
Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。
マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。
本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文 参考訳（メタデータ） (2020-05-15T10:37:02Z)
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。