論文の概要: Two-stage Contextual Transformer-based Convolutional Neural Network for Airway Extraction from CT Images

• arxiv url: http://arxiv.org/abs/2212.07651v1
• Date: Thu, 15 Dec 2022 08:18:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 16:34:30.006595
• Title: Two-stage Contextual Transformer-based Convolutional Neural Network for Airway Extraction from CT Images
• Title（参考訳）: ct画像からの気道抽出のための2段階コンテクストトランスフォーマーに基づく畳み込みニューラルネットワーク
• Authors: Yanan Wu, Shuiqing Zhao, Shouliang Qi, Jie Feng, Haowen Pang, Runsheng Chang, Long Bai, Mengqi Li, Shuyue Xia, Wei Qian, Hongliang Ren
• Abstract要約: CT画像を用いた気道セグメンテーションのための新しい2段階3次元コンテクスト変換器U-Netを提案する。 この方法は2つの段階から構成され、初期および改良された気道セグメンテーションを実行する。 第1段階では、サブネットに全気道マスクとCT画像が設けられ、サブネットに肺内マスクと対応するCTスキャンが提供される。
• 参考スコア（独自算出の注目度）: 17.45239343953272
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate airway extraction from computed tomography (CT) images is a critical step for planning navigation bronchoscopy and quantitative assessment of airway-related chronic obstructive pulmonary disease (COPD). The existing methods are challenging to sufficiently segment the airway, especially the high-generation airway, with the constraint of the limited label and cannot meet the clinical use in COPD. We propose a novel two-stage 3D contextual transformer-based U-Net for airway segmentation using CT images. The method consists of two stages, performing initial and refined airway segmentation. The two-stage model shares the same subnetwork with different airway masks as input. Contextual transformer block is performed both in the encoder and decoder path of the subnetwork to finish high-quality airway segmentation effectively. In the first stage, the total airway mask and CT images are provided to the subnetwork, and the intrapulmonary airway mask and corresponding CT scans to the subnetwork in the second stage. Then the predictions of the two-stage method are merged as the final prediction. Extensive experiments were performed on in-house and multiple public datasets. Quantitative and qualitative analysis demonstrate that our proposed method extracted much more branches and lengths of the tree while accomplishing state-of-the-art airway segmentation performance. The code is available at https://github.com/zhaozsq/airway_segmentation.
• Abstract（参考訳）: CT画像からの正確な気道抽出は,気道関連慢性閉塞性肺疾患(COPD)の診断と定量的評価のための重要なステップである。 既存の手法は, 気道, 特に高次気道を, 限定ラベルの制約で十分に区分することは困難であり, COPDにおける臨床利用を満足できない。 CT画像を用いた気道セグメンテーションのための新しい2段階3次元コンテクスト変換器U-Netを提案する。 この方法は2つの段階から成り、初期および洗練された気道分割を行う。 2段モデルは入力として異なる気道マスクで同じサブネットワークを共有する。 サブネットワークのエンコーダパスとデコーダパスの両方でコンテキストトランスフォーマーブロックを行い、高品質な気道セグメンテーションを効果的に終了する。 第1段階では、サブネットワークに全気道マスクとct画像が提供され、第2ステージでは肺内気道マスクと対応するctスキャンがサブネットワークに提供される。 次に、2段階法の予測を最終予測としてマージする。 社内および複数のパブリックデータセットで広範な実験が行われた。 定量的,定性的な解析により,提案手法は,最先端の気道セグメンテーション性能を達成しつつ,より多くの枝と長さを抽出することを示した。 コードはhttps://github.com/zhaozsq/airway_segmentationで入手できる。

関連論文リスト

• Multi-Stage Airway Segmentation in Lung CT Based on Multi-scale Nested Residual UNet [3.1903847117782274]
  深層学習は医用画像のセグメンテーションに大きな進歩をもたらしたが、気道の連続性を維持することは依然として困難である。 本稿では,小空路の複雑な詳細を効果的に把握し,情報フローを向上させるためのネスト残留フレームワークを提案する。 MNR-UNetのトレーニングを最適化する3段階セグメンテーションパイプラインを開発した。
  論文  参考訳（メタデータ） (2024-10-24T06:10:09Z)
• Low-Dose CT Image Reconstruction by Fine-Tuning a UNet Pretrained for Gaussian Denoising for the Downstream Task of Image Enhancement [3.7960472831772765]
  Computed Tomography (CT) は医用画像モダリティとして広く用いられているが,低用量CTデータからの再構成は難しい課題である。 本稿では,LDCT画像の再構成を行うための,より複雑な2段階の手法を提案する。 提案手法は,LoDoPaB-CTチャレンジにおける共有トップランキングと,SSIMメトリックに対する第1位を実現する。
  論文  参考訳（メタデータ） (2024-03-06T08:51:09Z)
• Dual Multi-scale Mean Teacher Network for Semi-supervised Infection Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
  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。
  論文  参考訳（メタデータ） (2022-11-10T13:11:21Z)
• A CT-Based Airway Segmentation Using U$^2$-net Trained by the Dice Loss Function [0.0]
  我々は,多地点CTスキャンから気道木をモデル化するために,Dice損失関数によって訓練されたU$2$-netを用いる。 トレーニングから導出された唾液度確率マップを検証データに適用し、対応する気道木を抽出する。
  論文  参考訳（メタデータ） (2022-09-22T05:57:33Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• LTSP: Long-Term Slice Propagation for Accurate Airway Segmentation [19.40457329997144]
  気管支鏡下手術は、肺疾患に対する広く用いられている臨床技術である。 気道マップは胸部CTスキャンから自動的に抽出できる。 気道の複雑な木のような構造のため、そのトポロジーの完全性を維持することは難しい課題である。
  論文  参考訳（メタデータ） (2022-02-13T08:47:01Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• FDA: Feature Decomposition and Aggregation for Robust Airway Segmentation [28.880817101034715]
  クリーン領域とノイズ領域の変動に対処する新しいデュアルストリームネットワークを提案する。 トランスファー可能なクリーンな特徴とノイズの多い特徴を別々に抽出する2つの異なるエンコーダを設計した。 ノイズCTでは, 気管支の分画が良好であった。
  論文  参考訳（メタデータ） (2021-09-07T08:16:51Z)
• MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
  本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。 マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。 本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
  論文  参考訳（メタデータ） (2020-05-15T10:37:02Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)

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。