論文の概要: Dual Multi-scale Mean Teacher Network for Semi-supervised Infection
Segmentation in Chest CT Volume for COVID-19
- arxiv url: http://arxiv.org/abs/2211.05548v1
- Date: Thu, 10 Nov 2022 13:11:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 16:08:52.239184
- Title: Dual Multi-scale Mean Teacher Network for Semi-supervised Infection
Segmentation in Chest CT Volume for COVID-19
- Title（参考訳）: HIV用胸部CTボリュームにおける半監督感染分画のためのマルチスケール教員ネットワーク
- Authors: Liansheng Wang, Jiacheng Wang, Lei Zhu, Huazhu Fu, Ping Li, Gary
Cheng, Zhipeng Feng, Shuo Li, and Pheng-Ann Heng
- Abstract要約: CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。
現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。
既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
- 参考スコア（独自算出の注目度）: 76.51091445670596
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated detecting lung infections from computed tomography (CT) data plays
an important role for combating COVID-19. However, there are still some
challenges for developing AI system. 1) Most current COVID-19 infection
segmentation methods mainly relied on 2D CT images, which lack 3D sequential
constraint. 2) Existing 3D CT segmentation methods focus on single-scale
representations, which do not achieve the multiple level receptive field sizes
on 3D volume. 3) The emergent breaking out of COVID-19 makes it hard to
annotate sufficient CT volumes for training deep model. To address these
issues, we first build a multiple dimensional-attention convolutional neural
network (MDA-CNN) to aggregate multi-scale information along different
dimension of input feature maps and impose supervision on multiple predictions
from different CNN layers. Second, we assign this MDA-CNN as a basic network
into a novel dual multi-scale mean teacher network (DM${^2}$T-Net) for
semi-supervised COVID-19 lung infection segmentation on CT volumes by
leveraging unlabeled data and exploring the multi-scale information. Our
DM${^2}$T-Net encourages multiple predictions at different CNN layers from the
student and teacher networks to be consistent for computing a multi-scale
consistency loss on unlabeled data, which is then added to the supervised loss
on the labeled data from multiple predictions of MDA-CNN. Third, we collect two
COVID-19 segmentation datasets to evaluate our method. The experimental results
show that our network consistently outperforms the compared state-of-the-art
methods.
- Abstract（参考訳）: CTデータから肺感染症を自動的に検出することは、COVID-19と闘う上で重要な役割を果たす。
しかし、aiシステムの開発にはいくつかの課題がある。
1)現在の新型コロナウイルス感染症分離法は,主に3次元連続的な制約を欠く2次元CT画像に頼っている。
2) 既存の3次元ctセグメンテーション法は, 3次元ボリュームの複数レベル受容場サイズを達成できない単一スケール表現に焦点をあてている。
3) 新型コロナウイルスの流行により, 深部モデルの訓練に十分なCT量の注記が困難になる。
これらの問題に対処するために、我々はまずMDA-CNN(Multi-dimensional-attention Convolutional Neural Network)を構築し、入力特徴マップの異なる次元に沿ってマルチスケール情報を集約し、異なるCNN層からの複数の予測を監督する。
第2に、このMDA-CNNを基本ネットワークとして、ラベルのないデータを活用し、マルチスケール情報を探索することにより、CTボリューム上の半教師付きCOVID-19肺感染症セグメンテーションのための新しいデュアルマルチスケール平均教師ネットワーク(DM${^2}$T-Net)に割り当てる。
我々のDM${^2}$T-Netは、学生と教師のネットワークから異なるCNN層の複数の予測を奨励し、ラベルのないデータに対するマルチスケールの一貫性損失を計算し、MDA-CNNの複数の予測からラベル付きデータの教師付き損失に追加する。
第3に、私たちの方法を評価するために、2つのCOVID-19セグメンテーションデータセットを収集します。
実験の結果,我々のネットワークは比較した最先端手法よりも一貫して優れていた。
関連論文リスト
- Intensity-Spatial Dual Masked Autoencoder for Multi-Scale Feature Learning in Chest CT Segmentation [4.916334618361524]
本稿では,ISD-MAE (Intensity-Spatial Dual Masked AutoEncoder) という改良手法を提案する。
このモデルは、二重ブランチ構造とコントラスト学習を利用して、組織の特徴と境界の詳細を学習する能力を強化する。
以上の結果より, ISD-MAEは2次元肺炎および縦隔腫瘍セグメンテーションにおいて他の方法よりも有意に優れていた。
論文 参考訳（メタデータ） (2024-11-20T10:58:47Z) - 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) - Cross-Site Severity Assessment of COVID-19 from CT Images via Domain
Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。
ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。
この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文 参考訳（メタデータ） (2021-09-08T07:56:51Z) - Multi-Slice Dense-Sparse Learning for Efficient Liver and Tumor
Segmentation [4.150096314396549]
ディープ畳み込みニューラルネットワーク(DCNN)は2次元および3次元の医用画像セグメンテーションにおいて大きな成功を収めている。
そこで我々は,DCNNを正規化するための入力として,密接な隣接スライスと疎隣接スライスを抽出するデータの観点から,新しい密集スプリストレーニングフローを提案する。
また、ネットワークの観点から2.5Dの軽量nnU-Netを設計し、その効率を向上させるために深度的に分離可能な畳み込みを採用する。
論文 参考訳（メタデータ） (2021-08-15T15:29:48Z) - COVID-19 identification from volumetric chest CT scans using a
progressively resized 3D-CNN incorporating segmentation, augmentation, and
class-rebalancing [4.446085353384894]
新型コロナウイルスは世界的なパンデミックの流行だ。
高い感度のコンピュータ支援スクリーニングツールは、疾患の診断と予後に不可欠である。
本稿では,3次元畳み込みニューラルネットワーク(CNN)に基づく分類手法を提案する。
論文 参考訳（メタデータ） (2021-02-11T18:16:18Z) - HIVE-Net: Centerline-Aware HIerarchical View-Ensemble Convolutional
Network for Mitochondria Segmentation in EM Images [3.1498833540989413]
より効率的な2次元畳み込みを用いた3次元空間コンテキスト学習のための新しい階層型ビューアンサンブル畳み込み(HVEC)を提案する。
提案手法は, 精度と画質は良好だが, モデルサイズは大幅に小さく, 最先端の手法に対して好適に機能する。
論文 参考訳（メタデータ） (2021-01-08T06:56:40Z) - TSGCNet: Discriminative Geometric Feature Learning with Two-Stream
GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。
3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文 参考訳（メタデータ） (2020-12-26T08:02:56Z) - M2Net: Multi-modal Multi-channel Network for Overall Survival Time
Prediction of Brain Tumor Patients [151.4352001822956]
生存時間(OS)の早期かつ正確な予測は、脳腫瘍患者に対するより良い治療計画を得るのに役立つ。
既存の予測手法は、磁気共鳴(MR)ボリュームの局所的な病変領域における放射能特性に依存している。
我々は,マルチモーダルマルチチャネルネットワーク(M2Net)のエンドツーエンドOS時間予測モデルを提案する。
論文 参考訳（メタデータ） (2020-06-01T05:21:37Z) - Unpaired Multi-modal Segmentation via Knowledge Distillation [77.39798870702174]
本稿では,不対向画像分割のための新しい学習手法を提案する。
提案手法では,CTおよびMRI間での畳み込みカーネルの共有により,ネットワークパラメータを多用する。
我々は2つの多クラスセグメンテーション問題に対するアプローチを広範囲に検証した。
論文 参考訳（メタデータ） (2020-01-06T20:03:17Z)
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。