論文の概要: Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation
- arxiv url: http://arxiv.org/abs/2209.02048v1
- Date: Mon, 5 Sep 2022 16:38:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-07 13:19:55.799704
- Title: Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation
- Title(参考訳): ファジィアテンションニューラルネットワークによる気道セグメンテーションの不連続性解消
- Authors: Yang Nan, Javier Del Ser, Zeyu Tang, Peng Tang, Xiaodan Xing, Yingying
Fang, Francisco Herrera, Witold Pedrycz, Simon Walsh, Guang Yang
- Abstract要約: 気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
- 参考スコア(独自算出の注目度): 67.19443246236048
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Airway segmentation is crucial for the examination, diagnosis, and prognosis
of lung diseases, while its manual delineation is unduly burdensome. To
alleviate this time-consuming and potentially subjective manual procedure,
researchers have proposed methods to automatically segment airways from
computerized tomography (CT) images. However, some small-sized airway branches
(e.g., bronchus and terminal bronchioles) significantly aggravate the
difficulty of automatic segmentation by machine learning models. In particular,
the variance of voxel values and the severe data imbalance in airway branches
make the computational module prone to discontinuous and false-negative
predictions. Attention mechanism has shown the capacity to segment complex
structures, while fuzzy logic can reduce the uncertainty in feature
representations. Therefore, the integration of deep attention networks and
fuzzy theory, given by the fuzzy attention layer, should be an escalated
solution. This paper presents an efficient method for airway segmentation,
comprising a novel fuzzy attention neural network and a comprehensive loss
function to enhance the spatial continuity of airway segmentation. The deep
fuzzy set is formulated by a set of voxels in the feature map and a learnable
Gaussian membership function. Different from the existing attention mechanism,
the proposed channelspecific fuzzy attention addresses the issue of
heterogeneous features in different channels. Furthermore, a novel evaluation
metric is proposed to assess both the continuity and completeness of airway
structures. The efficiency of the proposed method has been proved by testing on
open datasets, including EXACT09 and LIDC datasets, and our in-house COVID-19
and fibrotic lung disease datasets.
- Abstract(参考訳): 気道セグメンテーションは肺疾患の検査、診断、予後に不可欠であるが、手動の脱線は極めて重荷である。
この時間的かつ潜在的に主観的な手作業の手順を緩和するために、研究者はコンピュータ断層撮影(ct)画像から気道を自動的に分割する方法を提案している。
しかし、いくつかの小型の気道枝(気管支および末期気管支)は、機械学習モデルによる自動セグメンテーションの難しさを著しく増す。
特に、voxel値のばらつきと気道分岐の深刻なデータ不均衡により、計算モジュールは不連続かつ偽陰性の予測に陥りやすい。
注意機構は複雑な構造を分割する能力を示し、ファジィ論理は特徴表現の不確実性を減少させる。
したがって、ディープアテンションネットワークとファジィアテンション層によって与えられるファジィ理論の統合は、エスカレートした解であるべきである。
本稿では,新しいファジィアテンションニューラルネットワークと,エアウェイセグメンテーションの空間連続性を高める包括的損失関数を含む,効率的なエアウェイセグメンテーション手法を提案する。
深いファジィ集合は特徴写像内のボクセルの集合と学習可能なガウス会員関数によって定式化される。
既存の注意機構と異なり、提案するチャネル固有のファジィ注意は、異なるチャネルにおける異種特徴の問題に対処する。
さらに, 気道構造物の連続性と完全性を評価するための新しい評価基準を提案する。
提案手法の有効性は,clear09およびlidcデータセット,および社内のcovid-19および線維性肺疾患データセットを含むオープンデータセットで検証することにより証明された。
関連論文リスト
- Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。
管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文 参考訳(メタデータ) (2024-01-11T19:07:58Z) - CV-Attention UNet: Attention-based UNet for 3D Cerebrovascular
Segmentation of Enhanced TOF-MRA Images [2.5311562666866494]
脳血管画像の正確な抽出にはCV-AttentionUNetと呼ばれる3次元脳血管注意UNet法を提案する。
低と高のセマンティクスを組み合わせるために,注意機構を適用した。
このアルゴリズムの新規性は、ラベル付きデータとラベルなしデータの両方でうまく機能する能力にあると考えています。
論文 参考訳(メタデータ) (2023-11-16T22:31:05Z) - A data-centric deep learning approach to airway segmentation [5.658075099960141]
気道のセグメンテーションは 気道全体の輪郭を作るのに 重要な役割を担っています
本研究では,気道木を分割するデータ中心の深層学習手法を提案する。
論文 参考訳(メタデータ) (2023-07-29T14:51:56Z) - Accurate Airway Tree Segmentation in CT Scans via Anatomy-aware
Multi-class Segmentation and Topology-guided Iterative Learning [15.492349389589121]
CT(Computed tomography)における胸腔内気道セグメンテーションは様々な呼吸器疾患解析の前提条件である。
既存のエアウェイデータセットのほとんどは、不完全なラベル付き/注釈付きである。
本稿では,トポロジ誘導型反復型自己学習によって強化された,解剖学に適応したマルチクラスエアウェイセグメンテーション手法を提案する。
論文 参考訳(メタデータ) (2023-06-15T13:23:05Z) - Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral
Fracture Grading [72.45699658852304]
本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。
フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。
重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
論文 参考訳(メタデータ) (2023-03-21T17:16:01Z) - Differentiable Topology-Preserved Distance Transform for Pulmonary
Airway Segmentation [34.22415353209505]
気道セグメンテーションの性能を向上させるために, 位相保存距離変換(DTPDT)フレームワークを提案する。
The Topology-Preserved Surrogate (TPS) learning strategy was first proposed to balance the training progress within-class distribution。
The Convolutional Distance Transform (CDT) is designed to identify the breakage phenomenon with superior sensitivity and minimize the variation of the distance map between the prediction and ground-truth。
論文 参考訳(メタデータ) (2022-09-17T15:47:01Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳(メタデータ) (2022-02-22T15:24:06Z) - LTSP: Long-Term Slice Propagation for Accurate Airway Segmentation [19.40457329997144]
気管支鏡下手術は、肺疾患に対する広く用いられている臨床技術である。
気道マップは胸部CTスキャンから自動的に抽出できる。
気道の複雑な木のような構造のため、そのトポロジーの完全性を維持することは難しい課題である。
論文 参考訳(メタデータ) (2022-02-13T08:47:01Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳(メタデータ) (2021-09-06T13:10:37Z) - 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)
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。