論文の概要: 3D Matting: A Benchmark Study on Soft Segmentation Method for Pulmonary
Nodules Applied in Computed Tomography
- arxiv url: http://arxiv.org/abs/2210.05104v1
- Date: Tue, 11 Oct 2022 02:40:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 17:13:31.670854
- Title: 3D Matting: A Benchmark Study on Soft Segmentation Method for Pulmonary
Nodules Applied in Computed Tomography
- Title（参考訳）: 3D Matting:CTに応用した肺結節のソフトセグメンテーション法に関するベンチマーク研究
- Authors: Lin Wang, Xiufen Ye, Donghao Zhang, Wanji He, Lie Ju, Yi Luo, Huan
Luo, Xin Wang, Wei Feng, Kaimin Song, Xin Zhao, Zongyuan Ge
- Abstract要約: 医用画像中の病変を3D領域に導入し,αマット(ソフトマスク)を用いて3D画像に病変を記述した。
この問題に対処するため,従来手法と深層学習法の両方を含む3Dマッティングの総合的研究を行った。
本稿では,最初のエンドツーエンドの3次元画像マッチングネットワークを提案し,医用3次元画像マッチングベンチマークを実装した。
- 参考スコア（独自算出の注目度）: 32.775884701366465
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Usually, lesions are not isolated but are associated with the surrounding
tissues. For example, the growth of a tumour can depend on or infiltrate into
the surrounding tissues. Due to the pathological nature of the lesions, it is
challenging to distinguish their boundaries in medical imaging. However, these
uncertain regions may contain diagnostic information. Therefore, the simple
binarization of lesions by traditional binary segmentation can result in the
loss of diagnostic information. In this work, we introduce the image matting
into the 3D scenes and use the alpha matte, i.e., a soft mask, to describe
lesions in a 3D medical image. The traditional soft mask acted as a training
trick to compensate for the easily mislabelled or under-labelled ambiguous
regions. In contrast, 3D matting uses soft segmentation to characterize the
uncertain regions more finely, which means that it retains more structural
information for subsequent diagnosis and treatment. The current study of image
matting methods in 3D is limited. To address this issue, we conduct a
comprehensive study of 3D matting, including both traditional and
deep-learning-based methods. We adapt four state-of-the-art 2D image matting
algorithms to 3D scenes and further customize the methods for CT images to
calibrate the alpha matte with the radiodensity. Moreover, we propose the first
end-to-end deep 3D matting network and implement a solid 3D medical image
matting benchmark. Its efficient counterparts are also proposed to achieve a
good performance-computation balance. Furthermore, there is no high-quality
annotated dataset related to 3D matting, slowing down the development of
data-driven deep-learning-based methods. To address this issue, we construct
the first 3D medical matting dataset. The validity of the dataset was verified
through clinicians' assessments and downstream experiments.
- Abstract（参考訳）: 通常、病変は単離されていないが、周囲の組織と関連している。
例えば、腫瘍の成長は周囲の組織に依存するか、浸透する可能性がある。
病変の病理組織学的性質から,その境界を医用画像で区別することは困難である。
しかし、これらの不確実な領域は診断情報を含む可能性がある。
したがって、従来の二分節による病変の2項化は診断情報の欠落をもたらす可能性がある。
本研究では,3dシーンに画像マッティングを導入し,αマット(ソフトマスク)を用いて3d医療画像の病変を表現した。
伝統的な柔らかいマスクは、容易に誤解されたり、不明瞭な地域を補うための訓練のトリックとして機能した。
対照的に、3Dマッティングはソフトセグメンテーションを用いて不確定領域をより微細に特徴付け、その後の診断と治療のための構造情報を保持する。
3d画像の加工方法に関する最近の研究は限られている。
この問題に対処するため,従来手法と深層学習法の両方を含む3Dマッティングの総合的研究を行った。
4つの最先端の2d画像マッティングアルゴリズムを3dシーンに適応させ、さらにct画像の手法をカスタマイズし、アルファマットを放射密度で校正する。
さらに,最初のエンドツーエンドの深部3次元画像マッチングネットワークを提案し,医用画像マッチングベンチマークを実装した。
優れた性能計算バランスを達成するために、効率の良い競合も提案されている。
さらに、3Dマッチングに関連する高品質なアノテートデータセットは存在せず、データ駆動ディープラーニングベースの手法の開発を遅くする。
この問題に対処するため,我々は最初の3d医療マッティングデータセットを構築した。
このデータセットの有効性は臨床医の評価と下流実験によって検証された。
関連論文リスト
- Generative Enhancement for 3D Medical Images [74.17066529847546]
本稿では,3次元医用画像合成の新しい生成手法であるGEM-3Dを提案する。
本手法は2次元スライスから始まり,3次元スライスマスクを用いて患者に提供するための情報スライスとして機能し,生成過程を伝搬する。
3D医療画像をマスクと患者の事前情報に分解することで、GEM-3Dは多目的な3D画像を生成する柔軟な、かつ効果的なソリューションを提供する。
論文 参考訳（メタデータ） (2024-03-19T15:57:04Z) - T3D: Towards 3D Medical Image Understanding through Vision-Language
Pre-training [33.548818136506334]
我々は、高解像度の3D医療画像用に設計された最初のフレームワークであるT3Dを紹介する。
T3Dには2つのテキストインフォームド・プレテキストタスクが含まれている: (lowerromannumeral1) テキストインフォームド・コントラスト学習; (lowerromannumeral2) テキストインフォームド・イメージ復元。
T3Dは、臓器や腫瘍のセグメンテーションなどのタスクや疾患の分類において、現在のvSSLメソッドよりも大幅に優れている。
論文 参考訳（メタデータ） (2023-12-03T23:03:22Z) - Promise:Prompt-driven 3D Medical Image Segmentation Using Pretrained
Image Foundation Models [13.08275555017179]
単点プロンプトのみを用いたプロンプト駆動型3次元医用画像分割モデルProMISeを提案する。
今回,大腸癌と膵腫瘍の2つの領域に分布する2つのパブリックデータセットについて検討した。
論文 参考訳（メタデータ） (2023-10-30T16:49:03Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-01T10:10:46Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-07-31T17:59:42Z) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳（メタデータ） (2023-07-24T14:43:07Z) - 3D Matting: A Soft Segmentation Method Applied in Computed Tomography [26.25446145993599]
CT、MRI、PETなどの3次元画像は、医用画像の分野では一般的であり、臨床診断において重要である。
セマンティック曖昧さは多くの医用画像ラベルの典型的な特徴である。
2次元医用画像では、画像マッチングによって生成された2次元マスクの代わりにソフトマスクを用いることで、病変を特徴づけることができる。
論文 参考訳（メタデータ） (2022-09-16T10:18:59Z) - 3-Dimensional Deep Learning with Spatial Erasing for Unsupervised
Anomaly Segmentation in Brain MRI [55.97060983868787]
我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。
本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。
入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
論文 参考訳（メタデータ） (2021-09-14T09:17:27Z) - Comparative Evaluation of 3D and 2D Deep Learning Techniques for
Semantic Segmentation in CT Scans [0.0]
本稿では,3次元CTスキャンにおける立体スタックを用いた深層学習手法を提案する。
本研究では,この3D手法と従来の2D深層学習手法とのセグメンテーション結果,コンテキスト情報保持,推論時間に基づく比較について述べる。
3D技術により、2D技術と比較して推論時間が5倍短縮されます。
論文 参考訳（メタデータ） (2021-01-19T13:23:43Z) - Analysis of Macula on Color Fundus Images Using Heightmap Reconstruction
Through Deep Learning [5.935761705025763]
段階的な改良と深い監督の活用によって出力の細部そして質を高める発電機のための新しいアーキテクチャを提案します。
提案手法は眼科医に診断のための追加情報を提供することができる。
論文 参考訳（メタデータ） (2020-12-28T08:21:55Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z)
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。