Fugu-MT 論文翻訳(概要): Extraction of Vascular Wall in Carotid Ultrasound via a Novel Boundary-Delineation Network

論文の概要: Extraction of Vascular Wall in Carotid Ultrasound via a Novel Boundary-Delineation Network

arxiv url: http://arxiv.org/abs/2207.13868v1
Date: Thu, 28 Jul 2022 03:36:08 GMT
ステータス: 処理完了
システム内更新日: 2022-07-29 12:16:13.377301
Title: Extraction of Vascular Wall in Carotid Ultrasound via a Novel Boundary-Delineation Network
Title（参考訳）: 新しい境界線ネットワークによる頸動脈超音波の血管壁の抽出
Authors: Qinghua Huang, Lizhi Jia, Guanqing Ren, Xiaoyi Wang, Chunying Liu
Abstract要約: ダークバウンダリと不連続バウンダリの問題を解決するために,新しいバウンダリ-デラインネットワーク(BDNet)を提案する。本モデルでは,データセットの既存のモデルと比較して,セグメンテーションの最良の結果が得られ,メモリ消費を大幅に削減する。
参考スコア（独自算出の注目度）: 7.4022258821325115
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Ultrasound imaging plays an important role in the diagnosis of vascular lesions. Accurate segmentation of the vascular wall is important for the prevention, diagnosis and treatment of vascular diseases. However, existing methods have inaccurate localization of the vascular wall boundary. Segmentation errors occur in discontinuous vascular wall boundaries and dark boundaries. To overcome these problems, we propose a new boundary-delineation network (BDNet). We use the boundary refinement module to re-delineate the boundary of the vascular wall to obtain the correct boundary location. We designed the feature extraction module to extract and fuse multi-scale features and different receptive field features to solve the problem of dark boundaries and discontinuous boundaries. We use a new loss function to optimize the model. The interference of class imbalance on model optimization is prevented to obtain finer and smoother boundaries. Finally, to facilitate clinical applications, we design the model to be lightweight. Experimental results show that our model achieves the best segmentation results and significantly reduces memory consumption compared to existing models for the dataset.
Abstract（参考訳）: 超音波画像診断は血管病変の診断において重要な役割を果たす。血管壁の正確なセグメンテーションは,血管疾患の予防,診断,治療に重要である。しかし,既存の術式では血管壁境界が不正確な。不連続な血管壁の境界と暗い境界にセグメンテーションエラーが発生する。これらの問題を解決するために,新しい境界線ネットワーク(BDNet)を提案する。境界修正モジュールを用いて血管壁の境界線を再定義し, 正確な境界位置を求める。ダークバウンダリと不連続バウンダリの問題を解決するため,マルチスケール特徴と異なる受容場特徴を抽出・融合する特徴抽出モジュールを設計した。新しい損失関数を使ってモデルを最適化する。モデル最適化におけるクラス不均衡の干渉を防止し、より微細で滑らかな境界を得る。最後に,臨床応用を促進するために,軽量なモデルの設計を行う。実験の結果,本モデルが最適セグメンテーション結果を達成し,既存モデルと比較してメモリ消費を大幅に削減できることが判明した。

関連論文リスト

KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
本稿では,網膜血管分割のためのKLDDモデルを提案する。我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
論文参考訳（メタデータ） (2024-09-19T14:21:38Z)
DermoSegDiff: A Boundary-aware Segmentation Diffusion Model for Skin Lesion Delineation [3.9548535445908928]
本稿では,皮膚病変分類のための新しいフレームワークであるDermoSegDiffを提案する。提案手法では,トレーニング中に境界線を優先する新たな損失関数を導入し,他の領域の重要度を徐々に低減する。また,ネットワーク内のノイズやセマンティック情報を巧みに統合する,U-Netベースの新しい denoising ネットワークも導入する。
論文参考訳（メタデータ） (2023-08-05T22:12:01Z)
A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate Detection [12.669734891001667]
糖尿病網膜症(DR:diabetic retinopathy)は、視覚障害の主要な原因である。硬口蓋の早期発見は、糖尿病の治療と視力喪失の予防に役立つDRの同定において重要な役割を担っている。ハード・エクスデュート・セグメンテーションを最適化する新しい教師付きコントラスト学習フレームワークを提案する。
論文参考訳（メタデータ） (2023-02-22T17:39:00Z)
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)
Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文参考訳（メタデータ） (2022-09-07T05:01:38Z)
FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法であるこれにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
論文参考訳（メタデータ） (2021-06-10T17:14:27Z)
A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文参考訳（メタデータ） (2021-05-11T16:02:39Z)
Segmentation of Anatomical Layers and Artifacts in Intravascular Polarization Sensitive Optical Coherence Tomography Using Attending Physician and Boundary Cardinality Lost Terms [4.93836246080317]
血管内超音波と光コヒーレンス断層撮影は冠状動脈を特徴付けるために広く利用可能である。畳み込みニューラルネットワークモデルを提案し,その性能を多項損失関数を用いて最適化する。モデルは2つの主要なアーティファクトのクラスをセグメンテーションし,血管壁領域内の解剖学的層を検出する。
論文参考訳（メタデータ） (2021-05-11T15:52:31Z)
Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文参考訳（メタデータ） (2020-10-19T13:56:22Z)
Enhancing Foreground Boundaries for Medical Image Segmentation [13.954358685870886]
本稿では,機械学習モデルの最適化に制約を加える境界拡張損失を提案する。実験により,我々の損失関数はセグメント化精度の点で,他の最先端の損失関数よりも優れているか,少なくとも同等であることを確認した。
論文参考訳（メタデータ） (2020-05-29T00:50:08Z)
Coronary Wall Segmentation in CCTA Scans via a Hybrid Net with Contours Regularization [35.428157385902644]
冠状動脈の新しい境界検出法を提案する。提案手法は, 最先端の精度に優れるスムーズな閉境界を生成することができる。
論文参考訳（メタデータ） (2020-02-27T17:06:58Z)

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。