論文の概要: Accurate and Robust Lesion RECIST Diameter Prediction and Segmentation
with Transformers
- arxiv url: http://arxiv.org/abs/2208.13113v1
- Date: Sun, 28 Aug 2022 01:43:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-30 14:34:59.746425
- Title: Accurate and Robust Lesion RECIST Diameter Prediction and Segmentation
with Transformers
- Title（参考訳）: 変圧器を用いた高精度・ロバスト病変ReCIST径予測とセグメンテーション
- Authors: Youbao Tang, Ning Zhang, Yirui Wang, Shenghua He, Mei Han, Jing Xiao,
Ruei-Sung Lin
- Abstract要約: 本稿では, 病変RECIST径予測とセグメント化のためのトランスフォーマーネットワークを提案する。
病変のセグメンテーション、熱マップ予測、キーポイント回帰の3つの相関的および補的タスクとして定式化されている。
MeaFormerは大規模DeepLesionデータセット上でのRDPSの最先端のパフォーマンスを実現する。
- 参考スコア（独自算出の注目度）: 22.528235432455524
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatically measuring lesion/tumor size with RECIST (Response Evaluation
Criteria In Solid Tumors) diameters and segmentation is important for
computer-aided diagnosis. Although it has been studied in recent years, there
is still space to improve its accuracy and robustness, such as (1) enhancing
features by incorporating rich contextual information while keeping a high
spatial resolution and (2) involving new tasks and losses for joint
optimization. To reach this goal, this paper proposes a transformer-based
network (MeaFormer, Measurement transFormer) for lesion RECIST diameter
prediction and segmentation (LRDPS). It is formulated as three correlative and
complementary tasks: lesion segmentation, heatmap prediction, and keypoint
regression. To the best of our knowledge, it is the first time to use keypoint
regression for RECIST diameter prediction. MeaFormer can enhance
high-resolution features by employing transformers to capture their long-range
dependencies. Two consistency losses are introduced to explicitly build
relationships among these tasks for better optimization. Experiments show that
MeaFormer achieves the state-of-the-art performance of LRDPS on the large-scale
DeepLesion dataset and produces promising results of two downstream
clinic-relevant tasks, i.e., 3D lesion segmentation and RECIST assessment in
longitudinal studies.
- Abstract（参考訳）: RECIST (Response Evaluation Criteria In Solid tumors) 径とセグメンテーションを自動計測することはコンピュータ支援診断において重要である。
近年研究されているが,(1)高空間解像度を維持しつつ,リッチな文脈情報を組み込むことによる特徴の強化,(2)新しいタスクや共同最適化の損失など,その正確性や堅牢性を改善する余地は残されている。
この目的を達成するために,病変直腸径予測および分節化(lrdps)のためのトランスベースネットワーク(meaformer, measurement transformer)を提案する。
病変のセグメンテーション、熱マップ予測、キーポイント回帰の3つの相関的および補的タスクとして定式化されている。
我々の知る限りでは、RECISTの直径予測にキーポイントレグレッションを使うのはこれが初めてである。
meaformerは、トランスフォーマーを使用して長距離の依存関係をキャプチャすることで、高解像度機能を強化できる。
最適化を改善するために、これらのタスク間の関係を明確に構築するために、2つの一貫性損失が導入される。
実験により,MeaFormerは大規模DeepLesionデータセット上でのRDPSの最先端性能を達成し,2つの下流クリニック関連タスク,すなわち3次元病変セグメンテーションとRECISTアセスメントの有望な結果をもたらすことが示された。
関連論文リスト
- Generative Principal Component Regression via Variational Inference [2.4415762506639944]
適切な操作を設計するための1つのアプローチは、予測モデルの重要な特徴をターゲットとすることである。
我々は,そのような情報を潜在空間で表現する,教師付き変分オートエンコーダ(SVAE)に基づく新しい目的を開発する。
シミュレーションでは,gPCRは通常のPCRやSVAEと比較して,操作時のターゲット選択を劇的に改善することを示した。
論文 参考訳（メタデータ） (2024-09-03T22:38:55Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - Class Anchor Margin Loss for Content-Based Image Retrieval [97.81742911657497]
距離学習パラダイムに該当する新しいレペラ・トラクタ損失を提案するが、ペアを生成する必要がなく、直接L2メトリックに最適化する。
CBIRタスクにおいて,畳み込みアーキテクチャと変圧器アーキテクチャの両方を用いて,少数ショットおよびフルセットトレーニングの文脈で提案した目的を評価する。
論文 参考訳（メタデータ） (2023-06-01T12:53:10Z) - FCN-Transformer Feature Fusion for Polyp Segmentation [12.62213319797323]
大腸内視鏡は大腸癌の早期発見のための金標準法として広く認められている。
大腸内視鏡画像におけるポリープのマニュアルセグメンテーションは時間を要する。
ポリプセグメンテーションの自動化におけるディープラーニングの利用が重要になっている。
論文 参考訳（メタデータ） (2022-08-17T15:31:06Z) - Fine-grained Correlation Loss for Regression [20.175415393263037]
本稿では, 従来の回帰課題を再考し, 微粒化相関損失を直接最適化する手法を提案する。
本手法は,画像品質評価とバイオメトリック計測を含む2つの典型的な超音波画像回帰タスクに対して広範囲に検証する。
論文 参考訳（メタデータ） (2022-07-01T11:25:50Z) - Cross-Site Severity Assessment of COVID-19 from CT Images via Domain
Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。
ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。
この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文 参考訳（メタデータ） (2021-09-08T07:56:51Z) - Lesion Segmentation and RECIST Diameter Prediction via Click-driven
Attention and Dual-path Connection [16.80758525711538]
病変の大きさを測定することは、腫瘍の成長を評価し、疾患の進行と治療反応を監視する上で重要なステップである。
全身に共通する病変を分断するためのPDNet(preside-guided dual-path network)を提案する。
PDNetは、タスクの総合的かつ代表的な深部画像機能を学び、より正確な結果を生成する。
論文 参考訳（メタデータ） (2021-05-05T02:00:14Z) - 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) - Deep Volumetric Universal Lesion Detection using Light-Weight Pseudo 3D
Convolution and Surface Point Regression [23.916776570010285]
コンピュータ支援型病変/重要なフィンディング検出技術は、医療画像の核心にある。
そこで本研究では,(1) P3DC演算子を組み込んだ深層アンカーフリーワンステージVULDフレームワークを提案する。
3次元病変の空間範囲を効果的に抑圧する新しいSPR法は、その代表的キーポイントを病変表面にピンポイントすることで実現される。
論文 参考訳（メタデータ） (2020-08-30T19:42:06Z) - 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) - AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement
with Neural Searching [76.4844593082362]
既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。
総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
論文 参考訳（メタデータ） (2020-04-26T05:43:21Z)
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。