論文の概要: Simultaneous Bone and Shadow Segmentation Network using Task Correspondence Consistency

• arxiv url: http://arxiv.org/abs/2206.08936v1
• Date: Thu, 16 Jun 2022 22:37:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 07:35:27.511911
• Title: Simultaneous Bone and Shadow Segmentation Network using Task Correspondence Consistency
• Title（参考訳）: タスク対応一貫性を用いた骨と影の同時セグメンテーションネットワーク
• Authors: Aimon Rahman, Jeya Maria Jose Valanarasu, Ilker Hacihaliloglu, Vishal M Patel
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 60.378180265885945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Segmenting both bone surface and the corresponding acoustic shadow are fundamental tasks in ultrasound (US) guided orthopedic procedures. However, these tasks are challenging due to minimal and blurred bone surface response in US images, cross-machine discrepancy, imaging artifacts, and low signal-to-noise ratio. Notably, bone shadows are caused by a significant acoustic impedance mismatch between the soft tissue and bone surfaces. To leverage this mutual information between these highly related tasks, we propose a single end-to-end network with a shared transformer-based encoder and task independent decoders for simultaneous bone and shadow segmentation. To share complementary features, we propose a cross task feature transfer block which learns to transfer meaningful features from decoder of shadow segmentation to that of bone segmentation and vice-versa. We also introduce a correspondence consistency loss which makes sure that network utilizes the inter-dependency between the bone surface and its corresponding shadow to refine the segmentation. Validation against expert annotations shows that the method outperforms the previous state-of-the-art for both bone surface and shadow segmentation.
• Abstract（参考訳）: 骨表面とそれに対応する音響影の分離は、超音波ガイド整形外科手術の基本課題である。 しかし、これらの課題は、アメリカの画像における最小でぼやけた骨表面反応、機械間の不一致、画像アーティファクト、低信号対雑音比のために困難である。 特に骨の影は、軟部組織と骨表面との間の大きな音響インピーダンスミスマッチによって引き起こされる。 そこで本稿では,これらのタスク間の相互情報を活用するために,共有トランスコーダを用いたエンドツーエンドネットワークと,骨と影を同時に分割するタスク独立デコーダを提案する。 補助的な特徴を共有するために,シャドーセグメンテーションのデコーダから骨のセグメンテーションや逆方向への有意義な特徴の伝達を学ぶクロスタスク特徴伝達ブロックを提案する。 また,ネットワークが骨表面とそれに対応する影との相互依存性を利用してセグメンテーションを洗練することを保証する対応一貫性損失についても紹介する。 専門家のアノテーションに対する検証は、この手法が骨表面と影のセグメンテーションの両方において以前の最先端よりも優れていることを示している。

関連論文リスト

• Contour-weighted loss for class-imbalanced image segmentation [2.183832403223894]
  画像のセグメンテーションは、ほとんど全ての医療画像解析において、自動解釈と処理において極めて重要である。 クラス内とクラス間のデータ不均衡のため、イメージセグメンテーションを実行することはしばしば困難である。 本稿では,コンパクトで効果的な輪郭重み付き損失関数を用いた新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-06-07T07:43:52Z)
• Decomposing and Coupling Saliency Map for Lesion Segmentation in Ultrasound Images [10.423431415758655]
  超音波画像の複雑なシナリオは、隣接する組織が類似の強度を共有し、よりリッチなテクスチャパターンを含むことで、正確な病変のセグメンテーションに固有の課題をもたらす。 この研究はDC-Netと呼ばれる分解結合ネットワークを示し、(地上背景)サリエンシマップのアンタングルメント・フュージョン方式でこの問題に対処する。 提案手法は2つの超音波病変セグメンテーションタスクで評価され,既存の最先端手法よりも顕著な性能向上を示す。
  論文  参考訳（メタデータ） (2023-08-02T05:02:30Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• 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)
• Orientation-guided Graph Convolutional Network for Bone Surface Segmentation [51.51690515362261]
  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。
  論文  参考訳（メタデータ） (2022-06-16T23:01:29Z)
• 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)
• Synergy Between Semantic Segmentation and Image Denoising via Alternate Boosting [102.19116213923614]
  ノイズ除去とセグメンテーションを交互に行うためのブーストネットワークを提案する。 我々は,ノイズによるセグメンテーション精度の低下に対処するだけでなく,画素別意味情報によってデノージング能力が向上することを示す。 実験の結果,デノイド画像の品質が大幅に向上し,セグメンテーション精度がクリーン画像に近いことを示した。
  論文  参考訳（メタデータ） (2021-02-24T06:48:45Z)
• A distance-based loss for smooth and continuous skin layer segmentation in optoacoustic images [5.505466661642644]
  表皮層のセグメンテーションは多くの下流医療・診断タスクにおいて重要なステップである。 本稿では,不連続なセグメンテーションを克服し,容積滑らかなセグメンテーション曲面を実現する,新しい形状特異的損失関数を提案する。 血管セグメンテーションネットワークへの追加情報として表皮マスクが提供される場合, 血管セグメンテーションタスクに対するDiceの20$%の改善が得られた。
  論文  参考訳（メタデータ） (2020-07-10T12:02:57Z)

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。