論文の概要: Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System
- arxiv url: http://arxiv.org/abs/2209.02934v1
- Date: Wed, 7 Sep 2022 05:01:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-08 13:02:13.627363
- Title: Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System
- Title(参考訳): リアルタイム肺感染症分離システムのための境界案内セマンティックラーニング
- Authors: Runmin Cong, Yumo Zhang, Ning Yang, Haisheng Li, Xueqi Zhang, Ruochen
Li, Zewen Chen, Yao Zhao, and Sam Kwong
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 69.40329819373954
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The coronavirus disease 2019 (COVID-19) continues to have a negative impact
on healthcare systems around the world, though the vaccines have been developed
and national vaccination coverage rate is steadily increasing. At the current
stage, automatically segmenting the lung infection area from CT images is
essential for the diagnosis and treatment of COVID-19. Thanks to the
development of deep learning technology, some deep learning solutions for lung
infection segmentation have been proposed. However, due to the scattered
distribution, complex background interference and blurred boundaries, the
accuracy and completeness of the existing models are still unsatisfactory. To
this end, we propose a boundary guided semantic learning network (BSNet) in
this paper. On the one hand, the dual-branch semantic enhancement module that
combines the top-level semantic preservation and progressive semantic
integration is designed to model the complementary relationship between
different high-level features, thereby promoting the generation of more
complete segmentation results. On the other hand, the mirror-symmetric boundary
guidance module is proposed to accurately detect the boundaries of the lesion
regions in a mirror-symmetric way. Experiments on the publicly available
dataset demonstrate that our BSNet outperforms the existing state-of-the-art
competitors and achieves a real-time inference speed of 44 FPS.
- Abstract(参考訳): 新型コロナウイルス感染症(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が、ワクチンは開発され、全国的なワクチン接種率も着実に上昇している。
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。
深層学習技術の発展により,肺感染症セグメンテーションのための深層学習ソリューションが提案されている。
しかし、分散分布、複雑な背景干渉、ぼやけた境界のため、既存のモデルの正確性と完全性はまだ不十分である。
そこで本稿では,境界案内型意味学習ネットワーク(BSNet)を提案する。
一方、トップレベルセマンティック保存とプログレッシブセマンティック統合を組み合わせたデュアルブランチセマンティックエンハンスメントモジュールは、異なる高レベル特徴間の相補的関係をモデル化し、より完全なセマンティックセマンティック結果の生成を促進するように設計されている。
一方,鏡面対称境界誘導モジュールは,病変領域の境界を鏡面対称的に正確に検出するために提案されている。
公開されているデータセットの実験では、私たちのBSNetは既存の最先端の競合より優れており、44FPSのリアルタイム推論速度を実現しています。
関連論文リスト
- Mixed Attention with Deep Supervision for Delineation of COVID Infection
in Lung CT [0.24366811507669117]
新しい深層学習アーキテクチャであるMiADS-Net(Mixed Attention Deeply Supervised Network)を提案する。
MiADS-Netは、COVID-19病変のセグメンテーションタスクにおいて、最先端のアーキテクチャよりも優れています。
論文 参考訳(メタデータ) (2023-01-17T15:36:27Z) - 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) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳(メタデータ) (2021-11-08T07:57:30Z) - Dual-Consistency Semi-Supervised Learning with Uncertainty
Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。
提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
論文 参考訳(メタデータ) (2021-04-07T16:23:35Z) - CHS-Net: A Deep learning approach for hierarchical segmentation of
COVID-19 infected CT images [0.6091702876917281]
新型重症急性呼吸器症候群(SARS-CoV-2)のパンデミックが世界中で広がっています。
CT(Computerd Tomography)、X線などの医療画像は、臓器の構造に関する優れた詳細を提示することにより、患者の診断に重要な役割を果たします。
ディープラーニング技術は、新型コロナウイルスなどの疾患やウイルスの迅速な診断を支援するために、そのようなスキャンを分析する強みを示しています。
論文 参考訳(メタデータ) (2020-12-13T15:02:05Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳(メタデータ) (2020-12-10T04:01:07Z) - Automatic Deep Learning System for COVID-19 Infection Quantification in
chest CT [0.0]
本稿では、新型コロナウイルス感染症領域のセグメンテーションのための自動深層学習システムを提案する。
提案するFCNは,連結スキップ接続を有する残差ブロックを改良したU-netアーキテクチャを用いて実装されている。
提案手法の一般化と有効性を示すため,多種多様なデータセットから抽出した多数の2次元CTスライスを用いて訓練・試験を行った。
論文 参考訳(メタデータ) (2020-10-01T21:05:59Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳(メタデータ) (2020-04-22T07:30:56Z)
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。