論文の概要: NaviAirway: a Bronchiole-sensitive Deep Learning-based Airway Segmentation Pipeline

• arxiv url: http://arxiv.org/abs/2203.04294v3
• Date: Fri, 16 Jun 2023 18:29:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-22 06:26:50.370428
• Title: NaviAirway: a Bronchiole-sensitive Deep Learning-based Airway Segmentation Pipeline
• Title（参考訳）: NaviAirway: ブロンチオール感応型深層学習型エアウェイセグメンテーションパイプライン
• Authors: Andong Wang, Terence Chi Chun Tam, Ho Ming Poon, Kun-Chang Yu, and Wei-Ning Lee
• Abstract要約: 胸部CT画像解析には気道セグメンテーションが不可欠である。 気道トポロジー保存のためのブロンキオール感受性損失関数からなるNaviAirway法を提案する。 実験の結果,NaviAirwayは既存の手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 3.7744002572669535
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Airway segmentation is essential for chest CT image analysis. Different from natural image segmentation, which pursues high pixel-wise accuracy, airway segmentation focuses on topology. The task is challenging not only because of its complex tree-like structure but also the severe pixel imbalance among airway branches of different generations. To tackle the problems, we present a NaviAirway method which consists of a bronchiole-sensitive loss function for airway topology preservation and an iterative training strategy for accurate model learning across different airway generations. To supplement the features of airway branches learned by the model, we distill the knowledge from numerous unlabeled chest CT images in a teacher-student manner. Experimental results show that NaviAirway outperforms existing methods, particularly in the identification of higher-generation bronchioles and robustness to new CT scans. Moreover, NaviAirway is general enough to be combined with different backbone models to significantly improve their performance. NaviAirway can generate an airway roadmap for Navigation Bronchoscopy and can also be applied to other scenarios when segmenting fine and long tubular structures in biomedical images. The code is publicly available on https://github.com/AntonotnaWang/NaviAirway.
• Abstract（参考訳）: 胸部CT画像解析には気道セグメンテーションが不可欠である。 高い画素精度を追求する自然な画像分割とは異なり、気道分割はトポロジーに重点を置いている。 この課題は、複雑な木のような構造のためだけでなく、異なる世代の気道支流の間で重度のピクセル不均衡のためである。 そこで本研究では,気道トポロジー保存のための細気管支感応損失関数と,気道世代間の正確なモデル学習のための反復学習戦略からなるnaviairway法を提案する。 モデルにより学習された気道枝の特徴を補うため,教師が学習した多数の胸部CT画像から知識を抽出する。 実験の結果、naviairwayは既存の方法よりも優れており、特に次世代気管支胞の同定や新しいctスキャンに対するロバスト性が認められている。 さらにnaviairwayは、さまざまなバックボーンモデルと組み合わせることで、パフォーマンスを大幅に改善できるほど一般的である。 naviairwayは、ナビゲーション気管支鏡用のエアウェイロードマップを作成でき、また、微細な管状構造と長い管状構造を生体画像で分割する他のシナリオにも適用できる。 コードはhttps://github.com/AntonotnaWang/NaviAirwayで公開されている。

関連論文リスト

• TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
  我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。 我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。 レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
  論文  参考訳（メタデータ） (2024-11-22T06:13:42Z)
• 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)
• A CT-Based Airway Segmentation Using U$^2$-net Trained by the Dice Loss Function [0.0]
  我々は,多地点CTスキャンから気道木をモデル化するために,Dice損失関数によって訓練されたU$2$-netを用いる。 トレーニングから導出された唾液度確率マップを検証データに適用し、対応する気道木を抽出する。
  論文  参考訳（メタデータ） (2022-09-22T05:57:33Z)
• 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)
• Airway Tree Modeling Using Dual-channel 3D UNet 3+ with Vesselness Prior [1.471992435706872]
  肺気道ツリーモデリングは肺疾患の診断、特にX線CT(CT)に必須である 本研究では,Frangiフィルタ[5]とUNet 3+[11]を組み合わせて,デュアルチャネルUNet 3+を開発する。
  論文  参考訳（メタデータ） (2022-08-30T03:16:19Z)
• An Empirical Study of Remote Sensing Pretraining [117.90699699469639]
  本研究では,空中画像におけるリモートセンシング事前訓練(RSP)の実証的研究を行った。 RSPは、シーン認識タスクで特有のパフォーマンスを提供するのに役立つ。 RSPは、従来のイメージネットがRS画像に事前学習する際のデータ格差を緩和するが、それでもタスクの相違に悩まされる可能性がある。
  論文  参考訳（メタデータ） (2022-04-06T13:38:11Z)
• Polyline Based Generative Navigable Space Segmentation for Autonomous Visual Navigation [57.3062528453841]
  ロボットが教師なしの方法で移動可能な空間分割を学習できるようにするための表現学習ベースのフレームワークを提案する。 提案するPSV-Netは,単一のラベルを使わずとも,高精度で視覚ナビゲーション可能な空間を学習可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-29T19:50:48Z)
• SPIN Road Mapper: Extracting Roads from Aerial Images via Spatial and Interaction Space Graph Reasoning for Autonomous Driving [64.10636296274168]
  道路抽出は、自律航法システムを構築するための重要なステップである。 この問題に対して単に畳み込みニューラルネットワーク(ConvNets)を使用することは、画像内の道路セグメント間の遠い依存関係をキャプチャする非効率であるため、効果がない。 本研究では,ConvNetに接続した時,特徴写像から投影された空間空間および相互作用空間上に構築されたグラフの推論を行う空間空間グラフ推論(SPIN)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-09-16T03:52:17Z)
• Coarse-to-fine Airway Segmentation Using Multi information Fusion Network and CNN-based Region Growing [6.357411132360318]
  周囲の枝や複雑な木のような構造の低コントラストは、気道セグメンテーションの2つの主要な課題として残っている。 近年の研究では、深層学習手法がセグメンテーションタスクにおいてうまく機能していることが示されている。 完全な気道木を得るために, 粗粒分断フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-25T09:51:30Z)
• 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)

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。