論文の概要: Robust Implementation of Foreground Extraction and Vessel Segmentation
for X-ray Coronary Angiography Image Sequence
- arxiv url: http://arxiv.org/abs/2209.07237v1
- Date: Thu, 15 Sep 2022 12:07:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-16 12:57:49.798568
- Title: Robust Implementation of Foreground Extraction and Vessel Segmentation
for X-ray Coronary Angiography Image Sequence
- Title（参考訳）: X線冠動脈造影画像における前景抽出と血管分割のロバスト化
- Authors: Zeyu Fu, Zhuang Fu, Chenzhuo Lv, Jun Yan
- Abstract要約: X-ray coronary angiography (XCA) 画像からの造影血管の抽出は臨床的に重要である。
テンソルロバスト主成分分析(TRPCA)に基づく容器層抽出法を提案する。
不均質なコントラスト分布を有する容器画像に対しては,2段階成長(TSRG)法を用いて血管拡張とセグメンテーションを行う。
- 参考スコア（独自算出の注目度）: 4.653742319057035
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The extraction of contrast-filled vessels from X-ray coronary
angiography(XCA) image sequence has important clinical significance for
intuitively diagnosis and therapy. In this study, XCA image sequence O is
regarded as a three-dimensional tensor input, vessel layer H is a sparse
tensor, and background layer B is a low-rank tensor. Using tensor nuclear
norm(TNN) minimization, a novel method for vessel layer extraction based on
tensor robust principal component analysis(TRPCA) is proposed. Furthermore,
considering the irregular movement of vessels and the dynamic interference of
surrounding irrelevant tissues, the total variation(TV) regularized
spatial-temporal constraint is introduced to separate the dynamic background E.
Subsequently, for the vessel images with uneven contrast distribution, a
two-stage region growth(TSRG) method is utilized for vessel enhancement and
segmentation. A global threshold segmentation is used as the pre-processing to
obtain the main branch, and the Radon-Like features(RLF) filter is used to
enhance and connect broken minor segments, the final vessel mask is constructed
by combining the two intermediate results. We evaluated the visibility of
TV-TRPCA algorithm for foreground extraction and the accuracy of TSRG algorithm
for vessel segmentation on real clinical XCA image sequences and third-party
database. Both qualitative and quantitative results verify the superiority of
the proposed methods over the existing state-of-the-art approaches.
- Abstract（参考訳）: X線冠動脈造影(XCA)画像からの造影血管の抽出は、直感的診断と治療において重要な臨床的意義を有する。
本研究では、XCA画像シーケンスOを3次元テンソル入力とし、容器層Hをスパーステンソル、背景層Bをローランクテンソルとする。
テンソル原子核ノルム(TNN)最小化法を用いて, テンソルロバスト主成分分析(TRPCA)に基づく容器層抽出法を提案する。
さらに, 血管の不規則な動きや周囲の無関係組織の動的干渉を考慮し, 動的背景Eを分離するために, 全変動(TV)正規化空間時間制約を導入し, その後, 不均一なコントラスト分布を有する血管画像に対して, 血管拡張とセグメンテーションに2段階成長(TSRG)法を用いる。
メインブランチを得る前処理としてグローバルしきい値セグメンテーションを使用し、破断したマイナーセグメントを接続するためにラドン様特徴(rlf)フィルタを使用し、この2つの中間結果を組み合わせて最終容器マスクを構築する。
我々は,前景抽出のためのTV-TRPCAアルゴリズムの可視性と,実臨床XCA画像シーケンスとサードパーティデータベースを用いた血管分割のためのTSRGアルゴリズムの精度を評価した。
定性的かつ定量的な結果は、既存の最先端手法よりも提案手法の優位性を検証する。
関連論文リスト
- An automated framework for brain vessel centerline extraction from CTA
images [28.173407996203153]
CTA画像から脳血管中心を抽出する自動フレームワークを提案する。
提案手法は,平均対称中心線距離 (ASCD) と重なり (OV) の観点から,最先端手法より優れている。
サブグループ分析では,脳卒中治療における臨床応用において,提案する枠組みが有望であることが示唆された。
論文 参考訳（メタデータ） (2024-01-13T11:01:00Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - Parametric Scaling of Preprocessing assisted U-net Architecture for
Improvised Retinal Vessel Segmentation [1.3869502085838448]
本稿では,形態素前処理と拡張U-netアーキテクチャを併用した画像強調手法を提案する。
ROC曲線 (>0.9762) と分類精度 (>95.47%) の領域において、領域内の他のアルゴリズムと比較して顕著な改善が得られた。
論文 参考訳（メタデータ） (2022-03-18T15:26:05Z) - 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) - Hierarchical Deep Network with Uncertainty-aware Semi-supervised
Learning for Vessel Segmentation [58.45470500617549]
本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。
提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
論文 参考訳（メタデータ） (2021-05-31T06:55:43Z) - 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) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳（メタデータ） (2020-09-10T01:57:53Z) - ROSE: A Retinal OCT-Angiography Vessel Segmentation Dataset and New
Model [41.444917622855606]
OCT-Aセグメンテーションデータセット(ROSE)は229枚のOCT-A画像からなり、中心線レベルまたは画素レベルで血管アノテーションを付加する。
次に,スプリットをベースとしたSCF-Net(Coarse-to-Fine vessel segmentation Network)を提案する。
SCF-Netでは、スプリットベース粗いセグメンテーション(SCS)モジュールを最初に導入し、スプリットベースリファインメント(SRN)モジュールを使用して形状・形状を最適化する。
論文 参考訳（メタデータ） (2020-07-10T06:54:19Z) - Unsupervised Instance Segmentation in Microscopy Images via Panoptic
Domain Adaptation and Task Re-weighting [86.33696045574692]
病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。
まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。
第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
論文 参考訳（メタデータ） (2020-05-05T11:08:26Z)
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。