論文の概要: MEDS-Net: Self-Distilled Multi-Encoders Network with Bi-Direction
Maximum Intensity projections for Lung Nodule Detection
- arxiv url: http://arxiv.org/abs/2211.00003v1
- Date: Sun, 30 Oct 2022 05:55:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 14:37:53.352159
- Title: MEDS-Net: Self-Distilled Multi-Encoders Network with Bi-Direction
Maximum Intensity projections for Lung Nodule Detection
- Title（参考訳）: MEDS-Net:二方向最大強度投影を用いた肺結節検出用自己拡張型マルチエンコーダネットワーク
- Authors: Muhammad Usman, Azka Rehman, Abdullah Shahid, Siddique Latif, Shi Sub
Byon, Byoung Dai Lee, Sung Hyun Kim, Byung il Lee, Yeong Gil Shin
- Abstract要約: 放射線科医の診療ワークフローを完全に組み込んだ肺結節検出手法を提案する。
様々な厚さの2方向最大強度投影(MIP)画像とCTスキャンの3Dパッチを併用した。
提案手法はLUNA16データセットの888スキャンで厳格に評価され、CPMスコアは93.6%となった。
- 参考スコア（独自算出の注目度）: 5.923156939373596
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this study, we propose a lung nodule detection scheme which fully
incorporates the clinic workflow of radiologists. Particularly, we exploit
Bi-Directional Maximum intensity projection (MIP) images of various thicknesses
(i.e., 3, 5 and 10mm) along with a 3D patch of CT scan, consisting of 10
adjacent slices to feed into self-distillation-based Multi-Encoders Network
(MEDS-Net). The proposed architecture first condenses 3D patch input to three
channels by using a dense block which consists of dense units which effectively
examine the nodule presence from 2D axial slices. This condensed information,
along with the forward and backward MIP images, is fed to three different
encoders to learn the most meaningful representation, which is forwarded into
the decoded block at various levels. At the decoder block, we employ a
self-distillation mechanism by connecting the distillation block, which
contains five lung nodule detectors. It helps to expedite the convergence and
improves the learning ability of the proposed architecture. Finally, the
proposed scheme reduces the false positives by complementing the main detector
with auxiliary detectors. The proposed scheme has been rigorously evaluated on
888 scans of LUNA16 dataset and obtained a CPM score of 93.6\%. The results
demonstrate that incorporating of bi-direction MIP images enables MEDS-Net to
effectively distinguish nodules from surroundings which help to achieve the
sensitivity of 91.5% and 92.8% with false positives rate of 0.25 and 0.5 per
scan, respectively.
- Abstract（参考訳）: 本研究では,放射線科医の診療ワークフローを完全に組み込んだ肺結節検出手法を提案する。
特に, 種々の厚さ(3, 5, 10mm)の2方向最大強度投影(MIP)画像と, 近接する10個のスライスからなるCTスキャンを併用して, 自己蒸留型マルチエンコーダネットワーク(MEDS-Net)に入力する。
提案アーキテクチャは, 3つのチャネルに入力される3次元パッチを, 2次元軸スライスからの結節の存在を効果的に調査する密集単位からなる密集ブロックを用いて, まず凝縮する。
この凝縮された情報は、前方および後方のMIP画像とともに、3つの異なるエンコーダに送られ、最も意味のある表現を学習し、様々なレベルで復号ブロックに転送される。
デコーダブロックでは,5個の肺結節検出器を含む蒸留ブロックを接続して自己蒸留機構を用いる。
収束の迅速化と、提案したアーキテクチャの学習能力の向上に役立ちます。
最後に,提案手法は主検出器と補助検出器を補完することにより偽陽性を低減する。
提案手法はLUNA16データセットの888スキャンで厳格に評価され、CPMスコアは93.6\%となった。
その結果,MEDS-Netは2方向MIP画像の導入により,1スキャンあたり0.25と0.5の偽陽性率で91.5%と92.8%の感度を達成することができる。
関連論文リスト
- TSUBF-Net: Trans-Spatial UNet-like Network with Bi-direction Fusion for Segmentation of Adenoid Hypertrophy in CT [15.491823587869087]
アデノイド肥大は小児における閉塞型睡眠時無呼吸症候群の一般的な原因である。
3次元医用画像分割フレームワークであるTSUBF-Netを紹介する。
TSUBF-NetはHD95:7.03、IoU:85.63、DSC:92.26という最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2024-12-01T12:21:23Z) - Enhancing Weakly Supervised 3D Medical Image Segmentation through
Probabilistic-aware Learning [52.249748801637196]
3次元医用画像のセグメンテーションは、疾患の診断と治療計画に重要な意味を持つ課題である。
近年の深層学習の進歩は、完全に教師付き医療画像のセグメンテーションを著しく強化している。
本稿では,3次元医用画像に特化して設計された,確率的適応型弱教師付き学習パイプラインを提案する。
論文 参考訳（メタデータ） (2024-03-05T00:46:53Z) - Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。
UIA検出では偽陽性率は0.21で感度は0.80であった。
論文 参考訳（メタデータ） (2023-08-06T03:28:08Z) - KECOR: Kernel Coding Rate Maximization for Active 3D Object Detection [48.66703222700795]
我々は、ラベルの取得に最も有用なポイントクラウドを特定するために、新しいカーネル戦略を利用する。
1段目(SECOND)と2段目(SECOND)の両方に対応するため、アノテーションに選択した境界ボックスの総数と検出性能のトレードオフをよく組み込んだ分類エントロピー接点を組み込んだ。
その結果,ボックスレベルのアノテーションのコストは約44%,計算時間は26%削減された。
論文 参考訳（メタデータ） (2023-07-16T04:27:03Z) - DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler
Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。
動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文 参考訳（メタデータ） (2023-05-15T18:19:29Z) - Acute ischemic stroke lesion segmentation in non-contrast CT images
using 3D convolutional neural networks [0.0]
非コントラストCT脳画像における急性虚血性脳梗塞の容積分画を目的とした自動アルゴリズムを提案する。
我々のディープラーニングアプローチは、人気のある3D U-Net畳み込みニューラルネットワークアーキテクチャに基づいている。
論文 参考訳（メタデータ） (2023-01-17T10:39:39Z) - Automated Pulmonary Embolism Detection from CTPA Images Using an
End-to-End Convolutional Neural Network [31.58557856188164]
本研究では,肺塞栓症(PE)検出のための終末から終末までトレーニング可能な畳み込みニューラルネットワーク(CNN)を提案する。
本システムでは,0mm,2mm,5mmで1体積あたりの偽陽性が63.2%,78.9%,86.8%であった。
論文 参考訳（メタデータ） (2021-11-10T03:01:55Z) - Hierarchical 3D Feature Learning for Pancreas Segmentation [11.588903060674344]
MRIとCTの両方から膵分画を自動化する3D完全畳み込み型深層ネットワークを提案する。
本モデルでは,Diceスコアが約88%と,既存のCT膵セグメンテーション法よりも優れていた。
さらなる制御実験により、達成された性能は、我々の3次元完全畳み込み深層ネットワークと階層的表現復号化の組み合わせによるものであることが示された。
論文 参考訳（メタデータ） (2021-09-03T09:27:07Z) - SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere
Representation and Center Points Matching [47.79483848496141]
3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。
アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。
提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
論文 参考訳（メタデータ） (2021-04-12T05:51:29Z) - 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) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。