論文の概要: Position-prior Clustering-based Self-attention Module for Knee Cartilage Segmentation

• arxiv url: http://arxiv.org/abs/2206.10286v1
• Date: Tue, 21 Jun 2022 12:12:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-22 19:18:18.764868
• Title: Position-prior Clustering-based Self-attention Module for Knee Cartilage Segmentation
• Title（参考訳）: 膝軟骨セグメンテーションのための位置優先クラスタリングに基づく自己注意モジュール
• Authors: Dong Liang, Jun Liu, Kuanquan Wang, Gongning Luo, Wei Wang, Shuo Li
• Abstract要約: 膝軟骨の形態変化は変形性膝関節症の進行と密接に関連している。 変形性膝関節症に対する経時的研究に有効な自動軟骨分割モデルを提案する必要がある。
• 参考スコア（独自算出の注目度）: 14.797196965853233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The morphological changes in knee cartilage (especially femoral and tibial cartilages) are closely related to the progression of knee osteoarthritis, which is expressed by magnetic resonance (MR) images and assessed on the cartilage segmentation results. Thus, it is necessary to propose an effective automatic cartilage segmentation model for longitudinal research on osteoarthritis. In this research, to relieve the problem of inaccurate discontinuous segmentation caused by the limited receptive field in convolutional neural networks, we proposed a novel position-prior clustering-based self-attention module (PCAM). In PCAM, long-range dependency between each class center and feature point is captured by self-attention allowing contextual information re-allocated to strengthen the relative features and ensure the continuity of segmentation result. The clutsering-based method is used to estimate class centers, which fosters intra-class consistency and further improves the accuracy of segmentation results. The position-prior excludes the false positives from side-output and makes center estimation more precise. Sufficient experiments are conducted on OAI-ZIB dataset. The experimental results show that the segmentation performance of combination of segmentation network and PCAM obtains an evident improvement compared to original model, which proves the potential application of PCAM in medical segmentation tasks. The source code is publicly available from link: https://github.com/LeongDong/PCAMNet
• Abstract（参考訳）: 膝軟骨の形態的変化(特に大腿部軟骨と大腿部軟骨)は、mr画像で表現され、軟骨分断結果で評価される変形性膝関節症の進行と密接に関連している。 そこで, 変形性膝関節症に対する縦断的研究に有効な自動軟骨分割モデルを提案する必要がある。 本研究では,畳み込みニューラルネットワークにおける受容野の制限による不連続なセグメンテーションの問題を解消するために,位置優先クラスタリングに基づく自己保持モジュール(PCAM)を提案する。 PCAMでは、各クラス中心と特徴点間の長距離依存性を自己注意により捕捉し、コンテキスト情報を再配置することで、相対的特徴を強化し、セグメンテーション結果の連続性を確保する。 クラス内の一貫性を育み、セグメンテーション結果の精度をさらに向上させるクラスセンタの推定にclutseringベースの手法を用いる。 位置優先は、偽陽性をサイドアウトプットから除外し、中心推定をより正確にする。 OAI-ZIBデータセット上で十分な実験を行う。 実験の結果,PCAMとセグメンテーションネットワークの組み合わせによるセグメンテーション性能は,医療セグメンテーションタスクにおけるPCAMの可能性を示すオリジナルモデルと比較して明らかな改善が得られた。 ソースコードはリンクから公開されている。 https://github.com/LeongDong/PCAMNet

関連論文リスト

• Learnable Weight Initialization for Volumetric Medical Image Segmentation [66.3030435676252]
  本稿では,学習可能な重みに基づくハイブリッド医療画像セグメンテーション手法を提案する。 我々のアプローチはどんなハイブリッドモデルにも簡単に統合でき、外部のトレーニングデータを必要としない。 多臓器・肺がんセグメンテーションタスクの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-06-15T17:55:05Z)
• Ensemble Learning of Myocardial Displacements for Myocardial Infarction Detection in Echocardiography [15.153823114115307]
  心筋梗塞の早期発見と局所化は、心臓損傷の重症度を低下させる可能性がある。 深層学習技術は心エコー画像におけるMI検出の可能性を示唆している。 本研究は,複数のセグメンテーションモデルの特徴を組み合わせ,MI分類性能を向上させるロバストな手法を提案する。
  論文  参考訳（メタデータ） (2023-03-12T20:16:14Z)
• 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)
• CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
  追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。 非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
  論文  参考訳（メタデータ） (2022-06-22T14:19:06Z)
• MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated Learning [92.91544082745196]
  フェデレートラーニング(FL)は医用画像解析に広く用いられている。 FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。 2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-03T14:06:03Z)
• Coherence Learning using Keypoint-based Pooling Network for Accurately Assessing Radiographic Knee Osteoarthritis [18.47511520060851]
  膝関節症(英語: Knee osteoarthritis, OA)は、世界中の高齢者に影響を及ぼす一般的な変性関節疾患である。 現在臨床症状のある膝OAグレーティングシステムは観察対象であり、レイター間の相違に悩まされている。 本稿では,複合度と微粒度を同時に評価するためのコンピュータ支援型診断手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T19:59:13Z)
• Multipath CNN with alpha matte inference for knee tissue segmentation from MRI [2.064612766965483]
  本稿では, 深層学習に基づく膝組織分割のための自動セグメンテーションフレームワークを提案する。 低階テンソル再構成セグメンテーションネットワークとデコーダベースのセグメンテーションネットワークを組み合わせた,新しいマルチパスCNN方式を提案する。 CNNからのセグメンテーションをさらに改善するため、重畳された領域を効果的に活用するトリマップ生成を提案する。
  論文  参考訳（メタデータ） (2021-09-29T07:48:47Z)
• Learning Fuzzy Clustering for SPECT/CT Segmentation via Convolutional Neural Networks [5.3123694982708365]
  QBSPECT(Quantitative bone single-photon emission Computed Tomography)は、平面骨シンチグラフィよりも骨転移をより定量的に評価する可能性を秘めています。 解剖学的領域-関心(ROI)のセグメント化は、まだ専門家による手動の記述に大きく依存しています。 本研究では,QBSPECT画像を病変,骨,背景に分割するための高速かつ堅牢な自動分割法を提案する。
  論文  参考訳（メタデータ） (2021-04-17T19:03:52Z)
• 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)
• Towards Cross-modality Medical Image Segmentation with Online Mutual Knowledge Distillation [71.89867233426597]
  本稿では,あるモダリティから学習した事前知識を活用し,別のモダリティにおけるセグメンテーション性能を向上させることを目的とする。 モーダル共有知識を徹底的に活用する新しい相互知識蒸留法を提案する。 MMWHS 2017, MMWHS 2017 を用いた多クラス心筋セグメンテーション実験の結果, CT セグメンテーションに大きな改善が得られた。
  論文  参考訳（メタデータ） (2020-10-04T10:25:13Z)

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。