論文の概要: Automated Segmentation of Computed Tomography Images with Submanifold
Sparse Convolutional Networks
- arxiv url: http://arxiv.org/abs/2212.02854v1
- Date: Tue, 6 Dec 2022 09:47:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 17:44:40.968298
- Title: Automated Segmentation of Computed Tomography Images with Submanifold
Sparse Convolutional Networks
- Title（参考訳）: submanifold sparse convolutional networkを用いたct画像の自動分割
- Authors: Sa\'ul Alonso-Monsalve, Leigh H. Whitehead, Adam Aurisano and Lorena
Escudero Sanchez
- Abstract要約: ダウンサンプリングの代替として,入力画像とサブマニフォールドスパース畳み込みネットワークのスペース化プロセスを提案する。
概念実証として,本手法を腎癌患者のCT画像に応用した。
- 参考スコア（独自算出の注目度）: 2.064612766965483
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Quantitative cancer image analysis relies on the accurate delineation of
tumours, a very specialised and time-consuming task. For this reason, methods
for automated segmentation of tumours in medical imaging have been extensively
developed in recent years, being Computed Tomography one of the most popular
imaging modalities explored. However, the large amount of 3D voxels in a
typical scan is prohibitive for the entire volume to be analysed at once in
conventional hardware. To overcome this issue, the processes of downsampling
and/or resampling are generally implemented when using traditional
convolutional neural networks in medical imaging. In this paper, we propose a
new methodology that introduces a process of sparsification of the input images
and submanifold sparse convolutional networks as an alternative to
downsampling. As a proof of concept, we applied this new methodology to
Computed Tomography images of renal cancer patients, obtaining performances of
segmentations of kidneys and tumours competitive with previous methods (~84.6%
Dice similarity coefficient), while achieving a significant improvement in
computation time (2-3 min per training epoch).
- Abstract（参考訳）: 定量的ながん画像解析は、非常に専門的で時間を要するタスクである腫瘍の正確な線引きに依存している。
このため, 医用画像における腫瘍の自動分離法は近年広く開発され, CTは最も人気のある画像モダリティの1つである。
しかし、典型的なスキャンでは大量の3dボクセルは、ボリューム全体を従来のハードウェアで一度に分析することは禁じられている。
この問題を克服するために、従来の畳み込みニューラルネットワークを用いた医用イメージングでは、ダウンサンプリングやリサンプリングのプロセスが一般的に実装されている。
本稿では,入力画像のスパース化と,ダウンサンプリングの代替としてスパース畳み込み畳み込みネットワークを導入する新しい手法を提案する。
概念実証として,本手法を腎癌患者のCT画像に適用し,従来の方法と競合する腎臓と腫瘍の分画成績(約84.6%Dice類似度係数)を得るとともに,計算時間(2～3分)の大幅な改善を実現した。
関連論文リスト
- Exploration of Multi-Scale Image Fusion Systems in Intelligent Medical Image Analysis [3.881664394416534]
MRI画像上で脳腫瘍の自動分離を行う必要がある。
このプロジェクトは、U-Netに基づいたMRIアルゴリズムを構築することを目的としている。
論文 参考訳（メタデータ） (2024-05-23T04:33:12Z) - Tumor-Centered Patching for Enhanced Medical Image Segmentation [0.0]
本研究は、パッチベースの画像解析のための腫瘍自体を中心にした革新的なアプローチを導入する。
腫瘍の解剖学的文脈にパッチを合わせることにより、この技術は特徴抽出の精度を高め、計算負荷を低減する。
論文 参考訳（メタデータ） (2023-08-23T14:35:03Z) - Whole-slide-imaging Cancer Metastases Detection and Localization with
Limited Tumorous Data [2.715884199292287]
スライド画像のラベル付けがほとんどない場合,腫瘍の局所化と検出の問題に対処する。
提案手法は,パブリックなCamelyon16データセット上でのトレーニングサンプルの10%以下で同様の性能を実現する。
論文 参考訳（メタデータ） (2023-03-18T06:07:10Z) - Deep Learning Neural Network for Lung Cancer Classification: Enhanced
Optimization Function [28.201018420730332]
本研究の目的は、畳み込みニューラルネットワークのプール層におけるマルチスペース画像を用いて、全体的な予測精度の向上と、処理時間を短縮することである。
提案手法は,畳み込みニューラルネットワークのプール層におけるマルチスペース画像を用いて,全体の精度を向上させるオートエンコーダシステムと肺がんの予測を行う。
論文 参考訳（メタデータ） (2022-08-05T18:41:17Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳（メタデータ） (2021-12-20T03:38:37Z) - A multi-stage GAN for multi-organ chest X-ray image generation and
segmentation [2.7561479348365734]
GAN(Generative Adrial Networks)に基づく新しい多段階生成アルゴリズムを提案する。
他のアプローチとは異なり、生成はいくつかの段階で発生し、手順を単純化し、非常に小さなデータセットで使用することができる。
多段階のアプローチは最先端を実現し、GANを訓練するのに非常に少ない画像を使用する場合、対応する単一段階のアプローチよりも優れる。
論文 参考訳（メタデータ） (2021-06-09T15:15:19Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。
本稿では,生成逆U-Netという新しい生成手法を提案する。
当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
論文 参考訳（メタデータ） (2021-01-12T23:02:26Z) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z)
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。