論文の概要: BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification

• arxiv url: http://arxiv.org/abs/2205.06947v1
• Date: Sat, 14 May 2022 02:32:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-17 17:40:25.787309
• Title: BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification
• Title（参考訳）: BronchusNet:Bronchusセグメンテーションと分類のための埋め込み表現学習前の領域と構造
• Authors: Wenhao Huang, Haifan Gong, Huan Zhang, Yu Wang, Haofeng Li, Guanbin Li, Hong Shen
• Abstract要約: そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
• 参考スコア（独自算出の注目度）: 53.53758990624962
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: CT-based bronchial tree analysis plays an important role in the computer-aided diagnosis for respiratory diseases, as it could provide structured information for clinicians. The basis of airway analysis is bronchial tree reconstruction, which consists of bronchus segmentation and classification. However, there remains a challenge for accurate bronchial analysis due to the individual variations and the severe class imbalance. In this paper, we propose a region and structure prior embedded framework named BronchusNet to achieve accurate segmentation and classification of bronchial regions in CT images. For bronchus segmentation, we propose an adaptive hard region-aware UNet that incorporates multi-level prior guidance of hard pixel-wise samples in the general Unet segmentation network to achieve better hierarchical feature learning. For the classification of bronchial branches, we propose a hybrid point-voxel graph learning module to fully exploit bronchial structure priors and to support simultaneous feature interactions across different branches. To facilitate the study of bronchial analysis, we contribute~\textbf{BRSC}: an open-access benchmark of \textbf{BR}onchus imaging analysis with high-quality pixel-wise \textbf{S}egmentation masks and the \textbf{C}lass of bronchial segments. Experimental results on BRSC show that our proposed method not only achieves the state-of-the-art performance for binary segmentation of bronchial region but also exceeds the best existing method on bronchial branches classification by 6.9\%.
• Abstract（参考訳）: CTによる気管支木解析は, 呼吸器疾患のコンピュータ診断において重要な役割を担っている。 気道解析の基礎は気管支の分節と分類からなる気管支樹の再建である。 しかし, 個体差と重症度不均衡により, 正確な気管支分析は困難である。 本稿では,BronchusNetという組込みフレームワークがCT画像中の気管支領域の正確なセグメンテーションと分類を実現するための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。このUNetは,一般的なUnet分画ネットワークにおいて,複数レベルのハードピクセルの事前ガイダンスを組み込んで,より階層的な特徴学習を実現する。 気管支枝の分類に際し, 気管支構造の先行を十分に活用し, 異なる枝間での同時的特徴相互作用を支援するために, ハイブリッドなポイントボクセルグラフ学習モジュールを提案する。 気管支分析研究を容易にするために,高品位な画素別 \textbf{s}egmentation mask と気管支セグメントの \textbf{c}lass を用いた \textbf{br}onchus画像解析のオープンアクセスベンチマークである\textbf{brsc} を提案する。 brscを用いた実験により,本手法は気管支領域の2成分分節化の最先端性能を実現するだけでなく,気管支分枝分類における既存の最良法を6.9\%上回った。

関連論文リスト

• Intensity Confusion Matters: An Intensity-Distance Guided Loss for Bronchus Segmentation [68.50007997260464]
  特定の背景ボクセルの強度値が、気管支内の前景ボクセルに接近する。 Intensity-Distance Guided Losd関数を導入し、異なる画像ボクセルに適応重みを割り当て、強度混乱を引き起こすハードサンプルをマイニングする。
  論文  参考訳（メタデータ） (2024-06-23T16:09:21Z)
• BRONCO: Automated modelling of the bronchovascular bundle using the Computed Tomography Images [32.586316762855944]
  我々はCT画像に基づく気管支血管束のセグメンテーションパイプラインを提案する。 我々は,低用量CTと標準用CTの両方で,様々な病理組織を用いて,様々なスライス厚で再構成し,各種機械から取得した。
  論文  参考訳（メタデータ） (2023-09-18T00:38:25Z)
• GDDS: Pulmonary Bronchioles Segmentation with Group Deep Dense Supervision [17.852885354202428]
  グループ深度スーパービジョン(GDDS)に基づく気管支分別法を提案する。 GDDSは局所的な密集トポロジを巧みに構築し、特定の浅い特徴層に密集トポロジ学習を実装することで提案される。 BASベンチマークデータセットを用いた実験により,本手法はネットワークを微細な枝の捕捉に高い感度で促進することを示した。
  論文  参考訳（メタデータ） (2023-03-16T10:35:32Z)
• 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)
• 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)
• CNN-MoE based framework for classification of respiratory anomalies and lung disease detection [33.45087488971683]
  本稿では,聴取分析のための頑健な深層学習フレームワークを提示し,検討する。 呼吸周期の異常を分類し、呼吸音の記録から病気を検出することを目的としている。
  論文  参考訳（メタデータ） (2020-04-04T21:45:06Z)

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。