論文の概要: Orientation-guided Graph Convolutional Network for Bone Surface Segmentation

• arxiv url: http://arxiv.org/abs/2206.08481v1
• Date: Thu, 16 Jun 2022 23:01:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-20 15:16:08.749988
• Title: Orientation-guided Graph Convolutional Network for Bone Surface Segmentation
• Title（参考訳）: 骨表面セグメンテーションのための配向誘導グラフ畳み込みネットワーク
• Authors: Aimon Rahman, Wele Gedara Chaminda Bandara, Jeya Maria Jose Valanarasu, Ilker Hacihaliloglu, Vishal M Patel
• Abstract要約: 骨表面をセグメント化しながら接続性を向上する指向性グラフ畳み込みネットワークを提案する。 提案手法は,接続距離を5.01%向上させる。
• 参考スコア（独自算出の注目度）: 51.51690515362261
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to imaging artifacts and low signal-to-noise ratio in ultrasound images, automatic bone surface segmentation networks often produce fragmented predictions that can hinder the success of ultrasound-guided computer-assisted surgical procedures. Existing pixel-wise predictions often fail to capture the accurate topology of bone tissues due to a lack of supervision to enforce connectivity. In this work, we propose an orientation-guided graph convolutional network to improve connectivity while segmenting the bone surface. We also propose an additional supervision on the orientation of the bone surface to further impose connectivity. We validated our approach on 1042 vivo US scans of femur, knee, spine, and distal radius. Our approach improves over the state-of-the-art methods by 5.01% in connectivity metric.
• Abstract（参考訳）: 超音波画像における画像アーチファクトと低信号-雑音比のため、骨表面の自動分割ネットワークは、しばしば断片化された予測を生成し、超音波誘導コンピュータ支援手術の成功を妨げる。 既存のピクセル単位での予測は、接続を強制する監督の欠如のために、しばしば骨組織の正確なトポロジーを捉えることができない。 本研究では, 骨表面をセグメント化しながら接続性を向上させるために, 方位誘導グラフ畳み込みネットワークを提案する。 また, 骨表面の配向を更に監視し, 接続性をさらに高めることを提案する。 大腿骨, 膝, 脊椎, 遠位端のusスキャン1042例に対して, アプローチの有効性を確認した。 提案手法は,接続距離を5.01%向上させる。

関連論文リスト

• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Slicer Networks [8.43960865813102]
  医用画像解析のための新しいアーキテクチャであるスライダネットワークを提案する。 スライダ・ネットワークは、スプレイティング・ブルーリング・スライシング・プロセスを通じて、機能マップを戦略的に洗練し、アップサンプルする。 異なる医療画像アプリケーションにわたる実験により、スライカーネットワークの精度と効率が向上したことが確認された。
  論文  参考訳（メタデータ） (2024-01-18T09:50:26Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• 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)
• Feature-aggregated spatiotemporal spine surface estimation for wearable patch ultrasound volumetric imaging [4.287216236596808]
  我々は,複数の画像角から反射性骨表面を捉えるためにパッチライクなウェアラブル超音波ソリューションを提案する。 我々のウェアラブル超音波システムは、拡張現実環境で臨床医に直感的で正確な介入指導を提供する可能性がある。
  論文  参考訳（メタデータ） (2022-11-11T02:15:48Z)
• Simultaneous Bone and Shadow Segmentation Network using Task Correspondence Consistency [60.378180265885945]
  骨と影の同時分割のための共有トランスフォーマベースエンコーダとタスク独立デコーダを備えた単一エンドツーエンドネットワークを提案する。 また,骨表面とそれに対応する影の相互依存性を利用してセグメンテーションを改良する対応整合損失も導入する。
  論文  参考訳（メタデータ） (2022-06-16T22:37:05Z)
• Brain Surface Reconstruction from MRI Images Based on Segmentation Networks Applying Signed Distance Maps [16.04543442863788]
  全脳表面抽出は医療画像システムにおいて重要な課題である。 署名された距離場の知識を取り入れた新しいネットワークアーキテクチャを提案します。 脳磁気共鳴画像データセットの実験を行い,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-04-09T10:24:27Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)
• Liver Segmentation in Abdominal CT Images via Auto-Context Neural Network and Self-Supervised Contour Attention [6.268517865399281]
  腹部CT画像に肝セグメンテーションのためのCNNを導入する。 一般化性能を改善するために,まず1つのCNNにおける自動文脈アルゴリズムを提案する。 提案したネットワークは,ネットワーク間で最高の一般化性能を示した。
  論文  参考訳（メタデータ） (2020-02-14T07:32:45Z)
• Delineating Bone Surfaces in B-Mode Images Constrained by Physics of Ultrasound Propagation [4.669073579457748]
  超音波における骨表面のデライン化は, 診断, 手術計画, 術後の整形外科的経過に有意な関連がある。 骨表面のデライン化を目的として,超音波伝搬の物理を因子グラフの定式化にエンコードする手法を提案する。
  論文  参考訳（メタデータ） (2020-01-07T12:34:42Z)

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。