論文の概要: Efficient liver segmentation with 3D CNN using computed tomography scans
- arxiv url: http://arxiv.org/abs/2208.13271v1
- Date: Sun, 28 Aug 2022 19:02:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-30 13:34:22.137635
- Title: Efficient liver segmentation with 3D CNN using computed tomography scans
- Title（参考訳）: CT画像を用いた3次元CNNを用いた肝分画能の検討
- Authors: Khaled Humady, Yasmeen Al-Saeed, Nabila Eladawi, Ahmed Elgarayhi,
Mohammed Elmogy, Mohammed Sallah
- Abstract要約: 肝腫瘍による肝疾患は、世界で最も一般的な理由の1つである。
多くの画像モダリティは、肝腫瘍を検出するための補助ツールとして使用できる。
腹部CTから肝を検出・分画する効率的な自動肝分画フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The liver is one of the most critical metabolic organs in vertebrates due to
its vital functions in the human body, such as detoxification of the blood from
waste products and medications. Liver diseases due to liver tumors are one of
the most common mortality reasons around the globe. Hence, detecting liver
tumors in the early stages of tumor development is highly required as a
critical part of medical treatment. Many imaging modalities can be used as
aiding tools to detect liver tumors. Computed tomography (CT) is the most used
imaging modality for soft tissue organs such as the liver. This is because it
is an invasive modality that can be captured relatively quickly. This paper
proposed an efficient automatic liver segmentation framework to detect and
segment the liver out of CT abdomen scans using the 3D CNN DeepMedic network
model. Segmenting the liver region accurately and then using the segmented
liver region as input to tumors segmentation method is adopted by many studies
as it reduces the false rates resulted from segmenting abdomen organs as
tumors. The proposed 3D CNN DeepMedic model has two pathways of input rather
than one pathway, as in the original 3D CNN model. In this paper, the network
was supplied with multiple abdomen CT versions, which helped improve the
segmentation quality. The proposed model achieved 94.36%, 94.57%, 91.86%, and
93.14% for accuracy, sensitivity, specificity, and Dice similarity score,
respectively. The experimental results indicate the applicability of the
proposed method.
- Abstract（参考訳）: 肝臓は、廃棄物や医薬品からの血液の脱毒など、人体における重要な機能のために脊椎動物において最も重要な代謝器官の1つである。
肝腫瘍による肝疾患は、世界中で最も多い死亡原因の1つである。
したがって, 腫瘍発生初期における肝腫瘍の検出は, 治療の重要部分として必要不可欠である。
多くのイメージングモードは、肝臓腫瘍を検出する補助ツールとして使用できる。
CT(Computed tomography)は、肝などの軟部組織に対して最も用いられる画像モダリティである。
これは、比較的迅速に捕獲できる侵略的モダリティであるからである。
本稿では3D CNN DeepMedic ネットワークモデルを用いて,CT腹部CTから肝を抽出・分画する効率的な自動肝分画フレームワークを提案する。
腹部臓器を腫瘍として分節することによる偽率を低減するため, 腫瘍分節法への入力として, 肝領域を正確に分節し, その後, 分節した肝領域を多くの研究で採用している。
提案した3D CNN DeepMedicモデルでは,元の3D CNNモデルと同様,入力経路は1経路ではなく2経路である。
そこで本研究では,複数の腹部CTバージョンが提供され,セグメンテーションの品質向上に寄与した。
提案モデルは94.36%, 94.57%, 91.86%, 93.14%の精度, 感度, 特異性, dice類似度をそれぞれ達成した。
実験の結果,提案手法の適用性を示した。
関連論文リスト
- LiverUSRecon: Automatic 3D Reconstruction and Volumetry of the Liver with a Few Partial Ultrasound Scans [1.2009760098637572]
超音波(US)スキャンによる肝体積測定は,USスキャン,ぼやけた境界,部分的な肝可視性などのノイズが原因で困難である。
肝のCTスキャンを用いて構築した統計的形状モデル (SSM) と合わせて, 肝の非完全矢状面USスキャンのセグメンテーションマスクを用いて, これらの課題に対処する。
3次元肝再建は正確であり,自動肝体積計算に繋がる。
論文 参考訳（メタデータ） (2024-06-27T17:10:10Z) - Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。
代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。
不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
論文 参考訳（メタデータ） (2024-01-31T21:05:34Z) - A Cascaded Approach for ultraly High Performance Lesion Detection and
False Positive Removal in Liver CT Scans [15.352636778576171]
肝臓がんは世界中で高い死亡率と死亡率を持っている。
CT画像における肝病変の自動検出と分類は、臨床ワークフローを改善する可能性がある。
本研究では,多相CT画像のためのマルチオブジェクトラベリングツールをカスタマイズする。
論文 参考訳（メタデータ） (2023-06-28T09:11:34Z) - Towards Simultaneous Segmentation of Liver Tumors and Intrahepatic
Vessels via Cross-attention Mechanism [3.291044793301153]
医用画像の正確な分割を行う3D U-shaped Cross-Attention Network (UCA-Net)を提案する。
UCA-Netは、チャネルワイドのクロスアテンションモジュールを使用して、エンコーダとデコーダのセマンティックギャップを減らし、スライスワイドのクロスアテンションモジュールを使用してコンテキストセマンティック学習能力を向上する。
実験の結果,提案したUCA-Netは,肝腫瘍および肝内血管分割作業において,正確に3次元医用画像のセグメンテーションを行い,最先端のパフォーマンスを達成できることが示唆された。
論文 参考訳（メタデータ） (2023-02-20T06:17:03Z) - CoRe: An Automated Pipeline for The Prediction of Liver Resection
Complexity from Preoperative CT Scans [53.561797148529664]
肝切除を複雑にするために重要な位置にある腫瘍が知られている。
CoReは、術後LRの複雑さを予測するための自動化された医療画像処理パイプラインである。
論文 参考訳（メタデータ） (2022-10-15T15:29:24Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z) - Exploiting full Resolution Feature Context for Liver Tumor and Vessel
Segmentation via Fusion Encoder: Application to Liver Tumor and Vessel 3D
reconstruction [19.048952361722876]
本稿ではTransformerとSEBottleNetをベースとしたTransFusionNetと呼ばれるマルチスケール機能コンテキスト融合ネットワークを提案する。
実験の結果、TransFusionNetは、LITSと3Dircadbの両方の公開データセットと臨床データセットの最先端手法よりも優れていることがわかった。
また,トレーニングモデルに基づく自動3次元再構成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-26T02:48:48Z) - Explainable multiple abnormality classification of chest CT volumes with
AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。
本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。
そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文 参考訳（メタデータ） (2021-11-24T01:14:33Z) - Realistic Ultrasound Image Synthesis for Improved Classification of
Liver Disease [54.69792905238048]
超音波(US)データから肝疾患を分類するために、畳み込みニューラルネットワーク(CNN)が研究されている。
本稿では, 現実的な疾患と健康な肝臓画像合成のための新しいGANアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-07-27T12:37:19Z) - Multi-Slice Low-Rank Tensor Decomposition Based Multi-Atlas
Segmentation: Application to Automatic Pathological Liver CT Segmentation [4.262342157729123]
腹部CT像からの肝分画は,肝癌のコンピュータ診断と手術計画に必須のステップである。
現在、既存の肝セグメンテーション法の精度と堅牢性は臨床応用の要件を満たしていない。
低ランクテンソル分解(LRTD)ベースのマルチアトラス分割(MAS)フレームワークを提案し、CT画像の正確で堅牢な病理学的肝分割を実現する。
論文 参考訳（メタデータ） (2021-02-24T04:09:39Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z)
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。