論文の概要: Free-form Lesion Synthesis Using a Partial Convolution Generative
Adversarial Network for Enhanced Deep Learning Liver Tumor Segmentation
- arxiv url: http://arxiv.org/abs/2206.09065v1
- Date: Sat, 18 Jun 2022 00:40:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-22 18:44:49.469797
- Title: Free-form Lesion Synthesis Using a Partial Convolution Generative
Adversarial Network for Enhanced Deep Learning Liver Tumor Segmentation
- Title（参考訳）: 部分畳み込み生成逆数ネットワークを用いた自由形病変合成による深層学習肝腫瘍分離の促進
- Authors: Yingao Liu, Fei Yang, Yidong Yang
- Abstract要約: 本研究の目的は,ネットワークトレーニングの強化に使用できる合成病変を生成するための深層学習フレームワークを開発することである。
病変合成ネットワークはGAN(Modified Generative Adversarial Network)である
判別器は、勾配ペナルティとスペクトル正規化を備えたワッサーシュタインGANを用いて設計されている。
- 参考スコア（独自算出の注目度）: 3.3148826359547523
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic deep learning segmentation models has been shown to improve both
the segmentation efficiency and the accuracy. However, training a robust
segmentation model requires considerably large labeled training samples, which
may be impractical. This study aimed to develop a deep learning framework for
generating synthetic lesions that can be used to enhance network training. The
lesion synthesis network is a modified generative adversarial network (GAN).
Specifically, we innovated a partial convolution strategy to construct an
Unet-like generator. The discriminator is designed using Wasserstein GAN with
gradient penalty and spectral normalization. A mask generation method based on
principal component analysis was developed to model various lesion shapes. The
generated masks are then converted into liver lesions through a lesion
synthesis network. The lesion synthesis framework was evaluated for lesion
textures, and the synthetic lesions were used to train a lesion segmentation
network to further validate the effectiveness of this framework. All the
networks are trained and tested on the public dataset from LITS. The synthetic
lesions generated by the proposed approach have very similar histogram
distributions compared to the real lesions for the two employed texture
parameters, GLCM-energy and GLCM-correlation. The Kullback-Leibler divergence
of GLCM-energy and GLCM-correlation were 0.01 and 0.10, respectively. Including
the synthetic lesions in the tumor segmentation network improved the
segmentation dice performance of U-Net significantly from 67.3% to 71.4%
(p<0.05). Meanwhile, the volume precision and sensitivity improve from 74.6% to
76.0% (p=0.23) and 66.1% to 70.9% (p<0.01), respectively. The synthetic data
significantly improves the segmentation performance.
- Abstract（参考訳）: 自動ディープラーニングセグメンテーションモデルは、セグメンテーション効率と精度の両方を改善することが示されている。
しかし、堅牢なセグメンテーションモデルのトレーニングには、かなり大きなラベル付きトレーニングサンプルが必要である。
本研究の目的は,ネットワークトレーニングの強化に有効な合成病変を生成するための深層学習フレームワークを開発することである。
病変合成ネットワークはGAN (Modified Generative Adversarial Network) である。
具体的には、unetライクなジェネレータを構築するための部分畳み込み戦略を革新した。
判別器は勾配ペナルティとスペクトル正規化を伴うwasserstein ganを用いて設計されている。
各種病変形状をモデル化するための主成分分析に基づくマスク生成法を開発した。
生成されたマスクは、病変合成ネットワークを介して肝臓病変に変換される。
病変合成フレームワークを病変のテクスチャとして評価し, 病変の分節ネットワークを訓練し, この枠組みの有効性をさらに検証した。
すべてのネットワークは、LITSから公開データセットでトレーニングされ、テストされる。
提案手法により生成された合成病変は, GLCMエネルギーとGLCM相関という2種類のテクスチャパラメータの実際の病変と比較して, 非常に類似した組織像分布を有する。
GLCMとGLCMの相関は0.01と0.10であった。
腫瘍セグメンテーションネットワークの合成病変を含め、U-Netのセグメンテーションダイス性能は67.3%から71.4%(p<0.05。
一方、体積精度は74.6%から76.0%(p=0.23)、66.1%から70.9%(p<0.01)に向上した。
合成データはセグメンテーション性能を著しく向上させる。
関連論文リスト
- Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。
プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-08-11T15:46:00Z) - Breast Ultrasound Tumor Classification Using a Hybrid Multitask
CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。
ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。
本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文 参考訳（メタデータ） (2023-08-04T01:19:32Z) - Generative Adversarial Networks based Skin Lesion Segmentation [7.9234173309439715]
本稿では, 教師なし生成ネットワークを用いて正確な病変マスクを生成する, Efficient-GAN という新たな逆学習基盤を提案する。
Dice係数、Jaccard類似度、精度はそれぞれ90.1%、83.6%、94.5%である。
また,EGANと同等の性能を持つ軽量セグメンテーションフレームワーク(MGAN)を設計する。
論文 参考訳（メタデータ） (2023-05-29T15:51:31Z) - HARDC : A novel ECG-based heartbeat classification method to detect
arrhythmia using hierarchical attention based dual structured RNN with
dilated CNN [3.8791511769387625]
不整脈分類のための拡張CNN (HARDC) 法を用いたハイブリッド階層型双方向リカレントニューラルネットワークを開発した。
提案したHARDCは、拡張CNNと双方向リカレントニューラルネットワークユニット(BiGRU-BiLSTM)アーキテクチャをフル活用して、融合機能を生成する。
以上の結果から,複数種類の不整脈信号の分類を自動化し,高度に計算した手法が有望であることが示唆された。
論文 参考訳（メタデータ） (2023-03-06T13:26:29Z) - 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) - Hybrid guiding: A multi-resolution refinement approach for semantic
segmentation of gigapixel histopathological images [0.7490318169877296]
セマンティックセグメンテーションのための、H2G-Netと呼ばれるカスケード畳み込みニューラルネットワーク設計を提案する。
設計にはパッチワイズ方式による検出段階と、畳み込みオートエンコーダを用いた改良段階が含まれる。
最高の設計は90 WSIの独立したテストセットでDiceスコア0.933を達成した。
論文 参考訳（メタデータ） (2021-12-07T02:31:29Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳（メタデータ） (2021-11-25T10:11:41Z) - Decoupling Shape and Density for Liver Lesion Synthesis Using
Conditional Generative Adversarial Networks [0.0]
合成データの質と多様性は、モデルを訓練するのに使われる注釈付きデータに大きく依存する。
本稿では,肝病変合成のための形状と密度を分離する手法を提案する。
論文 参考訳（メタデータ） (2021-06-01T16:45:19Z) - 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) - DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。
我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。
皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文 参考訳（メタデータ） (2020-08-19T06:02:46Z) - Implanting Synthetic Lesions for Improving Liver Lesion Segmentation in
CT Exams [0.0]
我々は,CTスライスに現実的な病変を移植し,リッチで制御可能なトレーニングサンプルセットを提供する。
以上の結果から,CTスライスにおける肝病変の分節モデルの性能向上が示唆された。
論文 参考訳（メタデータ） (2020-08-11T13:23:04Z)
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。