Fugu-MT 論文翻訳(概要): Label Propagation for 3D Carotid Vessel Wall Segmentation and Atherosclerosis Diagnosis

論文の概要: Label Propagation for 3D Carotid Vessel Wall Segmentation and Atherosclerosis Diagnosis

arxiv url: http://arxiv.org/abs/2208.13337v1
Date: Mon, 29 Aug 2022 02:13:44 GMT
ステータス: 処理完了
システム内更新日: 2022-08-30 14:33:35.699415
Title: Label Propagation for 3D Carotid Vessel Wall Segmentation and Atherosclerosis Diagnosis
Title（参考訳）: 3次元頸動脈壁剥離術と動脈硬化診断のためのラベルプロパゲーション
Authors: Shishuai Hu and Zehui Liao and Yong Xia
Abstract要約: 磁気共鳴(MR)画像上で頸動脈壁をセグメント化するための半教師付きラベル伝搬フレームワークを提案する。提供されるアノテーションを補間することにより、3Dセグメンテーションモデルをトレーニングするための3D連続ラベルを得る。トレーニングされたモデルを用いて、ラベルなしスライスのための擬似ラベルを生成し、それらをモデルトレーニングに組み込む。我々は,CarOtid血管壁SegMentationとAtherosclerOsis diagnosiS (COSMOS) Challengeデータセットの枠組みについて検討した。
参考スコア（独自算出の注目度）: 21.079667938055668
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Carotid vessel wall segmentation is a crucial yet challenging task in the computer-aided diagnosis of atherosclerosis. Although numerous deep learning models have achieved remarkable success in many medical image segmentation tasks, accurate segmentation of carotid vessel wall on magnetic resonance (MR) images remains challenging, due to limited annotations and heterogeneous arteries. In this paper, we propose a semi-supervised label propagation framework to segment lumen, normal vessel walls, and atherosclerotic vessel wall on 3D MR images. By interpolating the provided annotations, we get 3D continuous labels for training 3D segmentation model. With the trained model, we generate pseudo labels for unlabeled slices to incorporate them for model training. Then we use the whole MR scans and the propagated labels to re-train the segmentation model and improve its robustness. We evaluated the label propagation framework on the CarOtid vessel wall SegMentation and atherosclerOsis diagnosiS (COSMOS) Challenge dataset and achieved a QuanM score of 83.41\% on the testing dataset, which got the 1-st place on the online evaluation leaderboard. The results demonstrate the effectiveness of the proposed framework.
Abstract（参考訳）: 動脈硬化のコンピュータ診断において,頸動脈壁分節は重要な課題である。多くの深層学習モデルが多くの医用画像のセグメンテーションタスクで顕著に成功しているが、アノテーションや異種動脈の制限により、磁気共鳴(MR)画像上の頸動脈壁の正確なセグメンテーションは困難である。本稿では,3次元MR画像上の腔,正常血管壁,動脈硬化血管壁を分割する半教師付きラベル伝搬フレームワークを提案する。提供されるアノテーションを補間することにより、3Dセグメンテーションモデルをトレーニングするための3D連続ラベルを得る。トレーニングされたモデルでは、ラベルのないスライスの擬似ラベルを生成して、モデルトレーニングに組み込む。次に, MRスキャン全体と伝播ラベルを用いて, セグメンテーションモデルの再トレーニングを行い, その堅牢性を向上させる。我々はCarOtidの血管壁SegMentationとAtherosclerOsis diagnosiS (COSMOS) Challengeデータセット上でラベル伝搬の枠組みを評価し,テストデータセットではQuanMスコア83.41\%を達成し,オンライン評価リーダーボードでは1位となった。その結果,提案手法の有効性が示された。

関連論文リスト

Simulation-Based Segmentation of Blood Vessels in Cerebral 3D OCTA Images [4.945556328362821]
本稿では,セグメンテーションアルゴリズムの監督に合成データを活用することを提案する。血管グラフから合成脳3D OCTA画像へのパッチの変換を行った。大規模な実験では,本手法が競争結果の達成を実証する。
論文参考訳（メタデータ） (2024-03-11T19:14:51Z)
3D Vascular Segmentation Supervised by 2D Annotation of Maximum Intensity Projection [33.34240545722551]
血管構造のセグメンテーションは、医学的分析と臨床応用において重要な役割を担っている。既存の弱監督法は, スパース血管構造を扱う際に, 最適下肢機能を示した。ここでは,3次元体積の次元を2次元画像に変換するために,最大強度投影(MIP)を用いる。 MIPを介して2D-3Dの深い特徴を融合してセグメンテーション性能を向上させる弱教師付きネットワークを導入する。
論文参考訳（メタデータ） (2024-02-19T13:24:46Z)
On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文参考訳（メタデータ） (2023-09-01T10:10:46Z)
Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels [63.415444378608214]
提案手法は, 進歩的半教師付き学習, 適応的学習戦略, 境界拡張など, 革新的な手法を取り入れたものである。 3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標を用いて,本手法の優位性を示す。
論文参考訳（メタデータ） (2023-08-07T14:16:52Z)
CORPS: Cost-free Rigorous Pseudo-labeling based on Similarity-ranking for Brain MRI Segmentation [3.1657395760137406]
本稿では,新しいアトラスを用いた擬似ラベル法と3次元脳MRI分割のための3次元深部畳み込みニューラルネットワーク(DCNN)に基づく半教師付きセグメンテーションフレームワークを提案する。実験により, 定性的, 定量的に比較して, 提案手法の優位性を示した。
論文参考訳（メタデータ） (2022-05-19T14:42:49Z)
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)
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)
Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文参考訳（メタデータ） (2020-10-09T08:22:54Z)
Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray Images [0.0]
医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
論文参考訳（メタデータ） (2020-07-01T20:48:35Z)
Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文参考訳（メタデータ） (2020-06-25T21:10:04Z)
Weakly Supervised Lesion Co-segmentation on CT Scans [18.58056402884405]
本稿では、まずRECISTスライスから擬似マスクを生成する弱教師付きコセグメンテーションモデルを提案する。次に、これらを注意に基づく畳み込みニューラルネットワークのトレーニングラベルとして使用し、一対のCTスキャンから共通の病変を分割する。
論文参考訳（メタデータ） (2020-01-24T19:39:33Z)

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。