論文の概要: Simulation-Driven Training of Vision Transformers Enabling Metal
Segmentation in X-Ray Images
- arxiv url: http://arxiv.org/abs/2203.09207v1
- Date: Thu, 17 Mar 2022 09:58:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-18 16:01:09.162174
- Title: Simulation-Driven Training of Vision Transformers Enabling Metal
Segmentation in X-Ray Images
- Title（参考訳）: X線画像における金属セグメンテーションを考慮した視覚変換器のシミュレーション駆動訓練
- Authors: Fuxin Fan, Ludwig Ritschl, Marcel Beister, Ramyar Biniazan, Bj\"orn
Kreher, Tristan M. Gottschalk, Steffen Kappler, Andreas Maier
- Abstract要約: 本研究は,CTデータセットとCADインプラントを組み合わせたシミュレーションX線画像を生成することを提案する。
CBCT射影における金属セグメンテーションは、金属アーティファクト回避および還元アルゴリズムの前提条件となる。
本研究は,CADモデルに基づくデータ生成の柔軟性が向上し,臨床データサンプリングとラベル付けの不足を克服する手段となる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 6.416928579907334
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In several image acquisition and processing steps of X-ray radiography,
knowledge of the existence of metal implants and their exact position is highly
beneficial (e.g. dose regulation, image contrast adjustment). Another
application which would benefit from an accurate metal segmentation is cone
beam computed tomography (CBCT) which is based on 2D X-ray projections. Due to
the high attenuation of metals, severe artifacts occur in the 3D X-ray
acquisitions. The metal segmentation in CBCT projections usually serves as a
prerequisite for metal artifact avoidance and reduction algorithms. Since the
generation of high quality clinical training is a constant challenge, this
study proposes to generate simulated X-ray images based on CT data sets
combined with self-designed computer aided design (CAD) implants and make use
of convolutional neural network (CNN) and vision transformer (ViT) for metal
segmentation. Model test is performed on accurately labeled X-ray test datasets
obtained from specimen scans. The CNN encoder-based network like U-Net has
limited performance on cadaver test data with an average dice score below 0.30,
while the metal segmentation transformer with dual decoder (MST-DD) shows high
robustness and generalization on the segmentation task, with an average dice
score of 0.90. Our study indicates that the CAD model-based data generation has
high flexibility and could be a way to overcome the problem of shortage in
clinical data sampling and labelling. Furthermore, the MST-DD approach
generates a more reliable neural network in case of training on simulated data.
- Abstract（参考訳）: X線ラジオグラフィーのいくつかの画像取得および処理ステップでは、金属インプラントの存在とその正確な位置に関する知識は非常に有用である(線量調整、画像コントラスト調整など)。
正確な金属セグメンテーションの恩恵を受ける別の応用は、2次元X線投影に基づくコーンビーム計算トモグラフィー (CBCT) である。
金属の高減衰のため、3次元のX線取得で深刻なアーティファクトが発生する。
CBCT射影における金属セグメンテーションは、通常、金属アーティファクト回避および還元アルゴリズムの前提条件となる。
そこで本研究では,CTデータセットとCADインプラントを併用し,金属セグメンテーションのための畳み込みニューラルネットワーク(CNN)と視覚変換器(ViT)を併用したシミュレーションX線画像を作成することを提案する。
検体スキャンから得られたx線検査データセットを精度良くラベル付けしてモデルテストを行う。
U-NetのようなCNNエンコーダベースのネットワークは、平均ダイススコアが0.30未満のケーダバー試験データに制限がある一方、デュアルデコーダ(MST-DD)による金属セグメンテーショントランスフォーマーは、セグメンテーションタスクにおいて高い堅牢性と一般化を示し、平均ダイススコアは0.90である。
本研究は,CADモデルに基づくデータ生成の柔軟性が向上し,臨床データサンプリングとラベル付けの不足を克服できる可能性を示している。
さらに、MST-DDアプローチは、シミュレーションデータのトレーニングを行う際に、より信頼性の高いニューラルネットワークを生成する。
関連論文リスト
- X-Ray to CT Rigid Registration Using Scene Coordinate Regression [1.1687067206676627]
本稿では,極端視点に頑健な完全自動登録手法を提案する。
これは、与えられたX線画像の重なり合う座標を回帰する完全な畳み込みニューラルネットワーク(CNN)に基づいている。
提案手法は, 模擬試験データセットの50パーセンタイルにおける平均平均目標登録誤差(mTRE)を3.79mmとし, ペルビス登録のための実フルオロスコープ画像の50パーセンタイルにおける平均目標登録誤差(mTRE)を9.65mmと予測した。
論文 参考訳（メタデータ） (2023-11-25T17:48:46Z) - 2DeteCT -- A large 2D expandable, trainable, experimental Computed
Tomography dataset for machine learning [1.0266286487433585]
機械学習技術の開発に適した,汎用的でオープンな2次元ファンビームCTデータセットを提供する。
形状, 密度の異なる多種多様な試料をスライス・バイ・スライスでスキャンした。
我々は、オープンソースのデータ処理パイプラインに基づいて、生のプロジェクションデータ、参照再構成、セグメンテーションを提供する。
論文 参考訳（メタデータ） (2023-06-09T14:02:53Z) - Orientation-Shared Convolution Representation for CT Metal Artifact
Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。
既存のディープラーニングベースの手法は、有望な再構築性能を得た。
本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文 参考訳（メタデータ） (2022-12-26T13:56:12Z) - Metal artifact correction in cone beam computed tomography using
synthetic X-ray data [0.0]
解剖学に挿入された金属インプラントは、再建された画像に深刻なアーティファクトを引き起こす。
1つのアプローチは、プロジェクションに金属を分割するために深層学習法を使用することである。
比較的少数の光子を用いたシミュレーションは, 金属セグメンテーションに適していることを示す。
論文 参考訳（メタデータ） (2022-08-17T13:31:38Z) - Data-Efficient Vision Transformers for Multi-Label Disease
Classification on Chest Radiographs [55.78588835407174]
視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。
ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。
以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
論文 参考訳（メタデータ） (2022-08-17T09:07:45Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Metal Artifact Reduction with Intra-Oral Scan Data for 3D Low Dose
Maxillofacial CBCT Modeling [0.7444835592104696]
高精度な3次元顎顔面CBCTモデリングのための2段階金属アーチファクト低減法を提案する。
第1段階では、金属関連アーティファクトを緩和するために画像と画像の深層学習ネットワークが使用される。
第2段階では、矯正された歯科用CBCT画像から骨を分割して3次元顎顔面モデルを構築する。
論文 参考訳（メタデータ） (2022-02-08T00:24:41Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - Pose-dependent weights and Domain Randomization for fully automatic
X-ray to CT Registration [51.280096834264256]
完全自動X線CT登録は、既存の強度ベース登録の範囲内での最初のアライメントを必要とする。
この作業は、エンドツーエンドの登録を可能にする新しい自動初期化を提供する。
ミリメートルにおける平均(+標準偏差)ターゲット登録誤差は、成功率92%の模擬X線に対して4.1 +- 4.3、成功率86.8%の実X線に対して4.2 +- 3.9であり、成功率は30mm未満の翻訳誤差と定義される。
論文 参考訳（メタデータ） (2020-11-14T12:50:32Z) - A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT
Source Trajectories for Artifact Avoidance [47.345403652324514]
市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。
そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。
リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
論文 参考訳（メタデータ） (2020-08-14T09:23:50Z) - End-To-End Convolutional Neural Network for 3D Reconstruction of Knee
Bones From Bi-Planar X-Ray Images [6.645111950779666]
両平面X線画像から直接膝骨を3次元再構成するためのエンドツーエンド畳み込みニューラルネットワーク(CNN)を提案する。
論文 参考訳（メタデータ） (2020-04-02T08:37:11Z)
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。