論文の概要: A CT-Based Airway Segmentation Using U$^2$-net Trained by the Dice Loss Function

• arxiv url: http://arxiv.org/abs/2209.10796v1
• Date: Thu, 22 Sep 2022 05:57:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 14:19:05.305619
• Title: A CT-Based Airway Segmentation Using U$^2$-net Trained by the Dice Loss Function
• Title（参考訳）: U$^2$-net を用いたDice Loss関数によるCTベースエアウェイセグメンテーション
• Authors: Kunpeng Wang, Yuexi Dong, Yunpu Zeng, Zhichun Ye and Yangzhe Wang
• Abstract要約: 我々は,多地点CTスキャンから気道木をモデル化するために,Dice損失関数によって訓練されたU$2$-netを用いる。 トレーニングから導出された唾液度確率マップを検証データに適用し、対応する気道木を抽出する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Airway segmentation from chest computed tomography scans has played an essential role in the pulmonary disease diagnosis. The computer-assisted airway segmentation based on the U-net architecture is more efficient and accurate compared to the manual segmentation. In this paper we employ the U$^2$-net trained by the Dice loss function to model the airway tree from the multi-site CT scans based on 299 training CT scans provided by the ATM'22. The derived saliency probability map from the training is applied to the validation data to extract the corresponding airway trees. The observation shows that the majority of the segmented airway trees behave well from the perspective of accuracy and connectivity. Refinements such as non-airway regions labeling and removing are applied to certain obtained airway tree models to display the largest component of the binary results.
• Abstract（参考訳）: 胸部CT検査による気道分画は肺疾患の診断において重要な役割を担っている。 U-netアーキテクチャに基づくコンピュータ支援エアウェイセグメンテーションは、手動セグメンテーションよりも効率的で正確である。 本稿では,Dice損失関数でトレーニングされたU$^2$-netを用いて,ATM'22で提供される299のトレーニングCTスキャンに基づいて,多地点CTスキャンから気道木をモデル化する。 トレーニングから導出された唾液度確率マップを検証データに適用し、対応する気道木を抽出する。 観測の結果, 細分化された気道木の大部分は, 精度と接続性の観点から良好に振る舞うことがわかった。 非気道領域のラベル付けや除去などのリファインメントを、得られた気道ツリーモデルに適用し、バイナリー結果の最大の構成要素を表示する。

関連論文リスト

• Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
  一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。 アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
  論文  参考訳（メタデータ） (2023-07-07T18:57:21Z)
• Two-stage Contextual Transformer-based Convolutional Neural Network for Airway Extraction from CT Images [17.45239343953272]
  CT画像を用いた気道セグメンテーションのための新しい2段階3次元コンテクスト変換器U-Netを提案する。 この方法は2つの段階から構成され、初期および改良された気道セグメンテーションを実行する。 第1段階では、サブネットに全気道マスクとCT画像が設けられ、サブネットに肺内マスクと対応するCTスキャンが提供される。
  論文  参考訳（メタデータ） (2022-12-15T08:18:37Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  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。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Extraction of Pulmonary Airway in CT Scans Using Deep Fully Convolutional Networks [0.0]
  多地点から胸部CTスキャンで肺気道を自動的に抽出するために,2段階完全畳み込みネットワーク(FCN)を用いた。 具体的には,U字型ネットワーク構造を持つ3次元FCNを用いて,肺気道を粗い解像度で分割する。 報告した手法は,300件の公的研修セットと50件の独立した個人的検証セットを用いて評価した。
  論文  参考訳（メタデータ） (2022-08-12T15:56:21Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• 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)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Pulmonary Vessel Segmentation based on Orthogonal Fused U-Net++ of Chest CT Images [1.8692254863855962]
  胸部CT画像から肺血管セグメンテーションの枠組みと改善過程について検討した。 アプローチの鍵となるのは、3つの軸から2.5D区分けネットワークを応用し、堅牢で完全に自動化された肺血管区分け結果を示す。 提案手法は,他のネットワーク構造よりも大きなマージンで優れ,平均DICEスコア0.9272,精度0.9310を極端に上回っている。
  論文  参考訳（メタデータ） (2021-07-03T21:46:29Z)
• 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)
• U-Det: A Modified U-Net architecture with bidirectional feature network for lung nodule segmentation [0.0]
  本稿では,資源効率のよいモデルアーキテクチャであるU-Detを提案する。 提案モデルは,1186個の肺結節からなるLUNA-16データセットを用いて,広範囲に訓練および評価を行った。 U-Detアーキテクチャは既存のU-Netモデルを82.82%のDice類似度係数(DSC)で上回り、人間の専門家に匹敵する結果が得られる。
  論文  参考訳（メタデータ） (2020-03-20T14:25:22Z)

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。