論文の概要: Topology-Preserving Segmentation Network
- arxiv url: http://arxiv.org/abs/2210.03299v1
- Date: Fri, 7 Oct 2022 03:13:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 13:59:07.229659
- Title: Topology-Preserving Segmentation Network
- Title(参考訳): トポロジー保存セグメンテーションネットワーク
- Authors: Han Zhang, Lok Ming Lui
- Abstract要約: 本稿では,特定のタスクに規定されたトポロジと同一のセグメンテーションマスクを予測可能なトポロジ保存ネットワーク(TPSN)を提案する。
TPSNは変形ベースのモデルであり、エンコーダ・デコーダアーキテクチャを通して変形マップを生成し、テンプレートマスクを目標形状にワープする。
本稿では,ReLUヤコビ正規化項を慎重に設計し,変形写像のビジェクティビティを強制する。
- 参考スコア(独自算出の注目度): 7.95119530218428
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical image segmentation aims to automatically extract anatomical or
pathological structures in the human body. Most objects or regions of interest
are of similar patterns. For example, the relative location and the relative
size of the lung and the kidney differ little among subjects. Incorporating
these morphology rules as prior knowledge into the segmentation model is
believed to be an effective way to enhance the accuracy of the segmentation
results. Motivated by this, we propose in this work the Topology-Preserving
Segmentation Network (TPSN) which can predict segmentation masks with the same
topology prescribed for specific tasks. TPSN is a deformation-based model that
yields a deformation map through an encoder-decoder architecture to warp the
template masks into a target shape approximating the region to segment.
Comparing to the segmentation framework based on pixel-wise classification,
deformation-based segmentation models that warp a template to enclose the
regions are more convenient to enforce geometric constraints. In our framework,
we carefully design the ReLU Jacobian regularization term to enforce the
bijectivity of the deformation map. As such, the predicted mask by TPSN has the
same topology as that of the template prior mask.
- Abstract(参考訳): 医用画像分割は、人体の解剖学的または病理学的構造を自動的に抽出することを目的としている。
ほとんどのオブジェクトや関心のある領域は同じようなパターンです。
例えば、肺と腎臓の相対的な位置と相対的な大きさは被験者によってほとんど異なる。
これらの形態規則を事前知識としてセグメンテーションモデルに取り入れることは、セグメンテーション結果の精度を高める効果的な方法であると考えられている。
そこで本研究では,特定のタスクに所定のトポロジと同一のセグメンテーションマスクを予測可能なトポロジ保存セグメンテーションネットワーク(TPSN)を提案する。
TPSNは変形に基づくモデルであり、エンコーダデコーダアーキテクチャを通して変形マップを生成し、テンプレートマスクをセグメントに近似したターゲット形状にワープする。
画素単位の分類に基づくセグメンテーションフレームワークと比較して、領域を囲むテンプレートをワープする変形ベースのセグメンテーションモデルは、幾何学的制約を強制するのにより便利である。
本手法では,変形写像の単射性を強制するために,relu jacobian regularization term を慎重に設計する。
そのため、TPSNによる予測マスクはテンプレート前のマスクと同じトポロジーを持つ。
関連論文リスト
- EmerDiff: Emerging Pixel-level Semantic Knowledge in Diffusion Models [52.3015009878545]
我々は、追加の訓練をすることなく、きめ細かなセグメンテーションマップを生成できる画像セグメンタを開発した。
低次元特徴写像の空間的位置と画像画素間の意味的対応を同定する。
大規模な実験では、生成したセグメンテーションマップがよく説明され、画像の細部を捉えることが示されている。
論文 参考訳(メタデータ) (2024-01-22T07:34:06Z) - Self-supervised Semantic Segmentation: Consistency over Transformation [3.485615723221064]
Inception Large Kernel Attention (I-LKA) モジュールをベースとしたロバストなフレームワークを統合した新しい自己教師型アルゴリズム textbfS$3$-Net を提案する。
我々は、変形可能な畳み込みを積分成分として利用し、優れた物体境界定義のための歪み変形を効果的に捕捉し、デライン化する。
皮膚病変および肺臓器の分節タスクに関する実験結果から,SOTA法と比較して,本手法の優れた性能を示した。
論文 参考訳(メタデータ) (2023-08-31T21:28:46Z) - Abdominal organ segmentation via deep diffeomorphic mesh deformations [5.4173776411667935]
CTとMRIによる腹部臓器の分節は,手術計画とコンピュータ支援ナビゲーションシステムにとって必須の要件である。
肝, 腎, 膵, 脾の分節に対するテンプレートベースのメッシュ再構成法を応用した。
結果として得られたUNetFlowは4つの器官すべてによく当てはまり、新しいデータに基づいて簡単に微調整できる。
論文 参考訳(メタデータ) (2023-06-27T14:41:18Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳(メタデータ) (2023-01-12T08:19:46Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳(メタデータ) (2022-04-19T10:41:09Z) - Improving anatomical plausibility in medical image segmentation via
hybrid graph neural networks: applications to chest x-ray analysis [3.3382651833270587]
我々は、画像特徴符号化とグラフ畳み込みニューラルネットワーク(GCNN)の標準畳み込みを利用して、解剖学的構造の可塑性表現を復号するエンコーダデコーダニューラルアーキテクチャであるHybridGNetを紹介する。
新たなイメージ・ツー・グラフ・スキップ接続層により、標準的な畳み込みブロックからGCNNブロックへローカライズされた機能が流れ、セグメンテーションの精度が向上することを示す。
論文 参考訳(メタデータ) (2022-03-21T13:37:23Z) - Topology-Preserving Segmentation Network: A Deep Learning Segmentation
Framework for Connected Component [7.95119530218428]
医用画像では、腎臓や肺などの構造のトポロジーが通常知られている。
イットトポロジ保存セグメンテーションネットワーク(TPSN)をトレーニングし、正確なセグメンテーション結果を与える。
TPSNは、UNetを通して変形マップを生成する変形ベースのモデルである。
本稿では,画像のマルチレベル情報を組み込んだマルチスケールTPSNを開発し,より正確なセグメンテーション結果を生成する。
論文 参考訳(メタデータ) (2022-02-27T09:56:33Z) - Automatic size and pose homogenization with spatial transformer network
to improve and accelerate pediatric segmentation [51.916106055115755]
空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。
私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。
腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
論文 参考訳(メタデータ) (2021-07-06T14:50:03Z) - Commonality-Parsing Network across Shape and Appearance for Partially
Supervised Instance Segmentation [71.59275788106622]
そこで本稿では,マスク付分類から新しい分類へ一般化可能な,クラス非依存の共通性について考察する。
本モデルでは,COCOデータセット上のサンプルセグメンテーションにおける部分教師付き設定と少数ショット設定の両方において,最先端の手法を著しく上回っている。
論文 参考訳(メタデータ) (2020-07-24T07:23:44Z) - Neural Subdivision [58.97214948753937]
本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。
すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。
単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
論文 参考訳(メタデータ) (2020-05-04T20:03:21Z)
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。