論文の概要: Ischemic Stroke Lesion Segmentation Using Adversarial Learning
- arxiv url: http://arxiv.org/abs/2204.04993v1
- Date: Mon, 11 Apr 2022 10:19:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 15:57:51.828946
- Title: Ischemic Stroke Lesion Segmentation Using Adversarial Learning
- Title（参考訳）: 逆学習を用いた虚血性脳卒中病変の分離
- Authors: Mobarakol Islam and N Rajiv Vaidyanathan and V Jeya Maria Jose and
Hongliang Ren
- Abstract要約: 虚血性病変の分節に対する逆行学習を用いた分節モデルを提案する。
我々のモデルは、トレーニングのクロスバリデーションで42.10%、テストデータで39%のダイス精度を達成した。
- 参考スコア（独自算出の注目度）: 15.490603884631764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ischemic stroke occurs through a blockage of clogged blood vessels supplying
blood to the brain. Segmentation of the stroke lesion is vital to improve
diagnosis, outcome assessment and treatment planning. In this work, we propose
a segmentation model with adversarial learning for ischemic lesion
segmentation. We adopt U-Net with skip connection and dropout as segmentation
baseline network and a fully connected network (FCN) as discriminator network.
Discriminator network consists of 5 convolution layers followed by leaky-ReLU
and an upsampling layer to rescale the output to the size of the input map.
Training a segmentation network along with an adversarial network can detect
and correct higher order inconsistencies between the segmentation maps produced
by ground-truth and the Segmentor. We exploit three modalities (CT, DPWI, CBF)
of acute computed tomography (CT) perfusion data provided in ISLES 2018
(Ischemic Stroke Lesion Segmentation) for ischemic lesion segmentation. Our
model has achieved dice accuracy of 42.10% with the cross-validation of
training and 39% with the testing data.
- Abstract（参考訳）: 脳卒中は、脳に血液を供給する詰まった血管の閉塞によって起こる。
脳梗塞の分節化は診断,予後評価,治療計画の改善に不可欠である。
本研究では,虚血性病変のセグメンテーションに対する逆学習を用いたセグメンテーションモデルを提案する。
分割ベースラインネットワークとして,また識別ネットワークとして完全接続ネットワーク(FCN)として,スキップ接続とドロップアウトを備えたU-Netを採用する。
ディスクリミネータネットワークは5つの畳み込み層からなり、次いでリークしたReLUとアップサンプリング層からなり、出力を入力マップのサイズに再スケールする。
対向ネットワークとともにセグメンテーションネットワークを訓練することで、グラウンドトゥルースとセグメンタによって生成されたセグメンテーションマップの高次不整合を検出し、補正することができる。
ISLES 2018 (Ischemic Stroke Lesion Segmentation) におけるCT, DPWI, CBFの3つのモダリティ(CT, DPWI, CBF)を虚血性病変セグメンテーションに応用した。
我々のモデルは、トレーニングのクロスバリデーションで42.10%、テストデータで39%のダイス精度を達成した。
関連論文リスト
- Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - 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) - Dense Regression Activation Maps For Lesion Segmentation in CT scans of
COVID-19 patients [9.313053265087262]
重回帰アクティベーションマップ(dRAM)に基づく弱教師付きセグメンテーション手法を提案する。
提案手法は,CAMに基づく弱教師付きセグメンテーション方式の0.335から0.495への結合を著しく改善する。
論文 参考訳（メタデータ） (2021-05-25T08:29:35Z) - Neural Network-derived perfusion maps: a Model-free approach to computed
tomography perfusion in patients with acute ischemic stroke [4.925222726301579]
畳み込みニューラルネットワーク(CNN)はCT灌流データから臨床的に関連するパラメトリックマップを生成することができる。
cnnベースのアプローチは,最先端の灌流解析法に匹敵する臨床関連灌流マップを作成した。
論文 参考訳（メタデータ） (2021-01-15T07:11:02Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Claw U-Net: A Unet-based Network with Deep Feature Concatenation for
Scleral Blood Vessel Segmentation [18.10578418379116]
SWS(Sturge-Weber syndrome)は、血管奇形疾患であり、患者の症状が重篤な場合、失明を引き起こす可能性がある。
精巣血管を正確に分画する方法は,コンピュータ診断において重要な問題となっている。
Claw UNetは、硬化血管画像データセット上で、他のUNetベースのネットワークを上回っている。
論文 参考訳（メタデータ） (2020-10-20T09:55:29Z) - ARPM-net: A novel CNN-based adversarial method with Markov Random Field
enhancement for prostate and organs at risk segmentation in pelvic CT images [10.011212599949541]
本研究は,CT画像の多臓器セマンティックセマンティックセグメンテーションを改善するために,新しいCNNに基づく対角深層学習法を開発することを目的とする。
MRF(Markov Random Field)拡張ネットワーク (ARPM-net) は, 対向学習方式を実装している。
モデル輪郭の精度はDice similarity coefficient (DSC), Average Hausdorff Distance (AHD), Average Surface Hausdorff Distance (ASHD), relative Volume difference (VD) を用いて測定した。
論文 参考訳（メタデータ） (2020-08-11T02:40:53Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z) - 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) - Convolutional Neural Networks based automated segmentation and labelling
of the lumbar spine X-ray [0.0]
本研究の目的は, 腰椎X線を手動で付加した730個の椎間板にトレーニングした, 異なるセグメンテーションネットワークのセグメンテーション精度について検討することである。
セグメンテーションネットワークはセグメンテーションネットワークと比較された。
論文 参考訳（メタデータ） (2020-04-04T20:15:03Z)
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。