論文の概要: 3D Vessel Segmentation with Limited Guidance of 2D Structure-agnostic
Vessel Annotations
- arxiv url: http://arxiv.org/abs/2302.03299v1
- Date: Tue, 7 Feb 2023 07:26:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-08 17:10:34.349654
- Title: 3D Vessel Segmentation with Limited Guidance of 2D Structure-agnostic
Vessel Annotations
- Title（参考訳）: 2次元構造非依存容器アノテーションの限定誘導による3次元容器分割
- Authors: Huai Chen, Xiuying Wang, Lisheng Wang
- Abstract要約: 教師付き深層学習は、自動3次元血管分割において優れた能力を示している。
高価な3Dマニュアルアノテーションへの依存とアノテーションの再利用能力の制限は、教師付きモデルの臨床応用を妨げる。
本稿では,公共の2次元血管アノテーションによる限られた誘導の下での3次元血管分割のための新しい3次元形状誘導型局所識別モデルを提案する。
- 参考スコア（独自算出の注目度）: 3.6314292723682784
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Delineating 3D blood vessels is essential for clinical diagnosis and
treatment, however, is challenging due to complex structure variations and
varied imaging conditions. Supervised deep learning has demonstrated its
superior capacity in automatic 3D vessel segmentation. However, the reliance on
expensive 3D manual annotations and limited capacity for annotation reuse
hinder the clinical applications of supervised models. To avoid the repetitive
and laborious annotating and make full use of existing vascular annotations,
this paper proposes a novel 3D shape-guided local discrimination model for 3D
vascular segmentation under limited guidance from public 2D vessel annotations.
The primary hypothesis is that 3D vessels are composed of semantically similar
voxels and exhibit tree-shaped morphology. Accordingly, the 3D region
discrimination loss is firstly proposed to learn the discriminative
representation measuring voxel-wise similarities and cluster semantically
consistent voxels to form the candidate 3D vascular segmentation in unlabeled
images; secondly, based on the similarity of the tree-shaped morphology between
2D and 3D vessels, the Crop-and-Overlap strategy is presented to generate
reference masks from 2D structure-agnostic vessel annotations, which are fit
for varied vascular structures, and the adversarial loss is introduced to guide
the tree-shaped morphology of 3D vessels; thirdly, the temporal consistency
loss is proposed to foster the training stability and keep the model updated
smoothly. To further enhance the model's robustness and reliability, the
orientation-invariant CNN module and Reliability-Refinement algorithm are
presented. Experimental results from the public 3D cerebrovascular and 3D
arterial tree datasets demonstrate that our model achieves comparable
effectiveness against nine supervised models.
- Abstract（参考訳）: 臨床診断や治療には3D血管の洗浄が不可欠であるが, 複雑な構造変化と画像条件の相違により困難である。
教師付き深層学習は, 自動3次元血管セグメンテーションにおいて, 優れた能力を示した。
しかし、高額な3Dマニュアルアノテーションへの依存とアノテーション再利用能力の制限は、教師付きモデルの臨床応用を妨げる。
本稿では,既存の血管アノテーションを多用した反復的かつ精巧なアノテーションを避けるために,公共の2次元血管アノテーションからの限られたガイダンスの下で,3次元血管分割のための3次元形状誘導局所識別モデルを提案する。
第一の仮説は、3Dの血管は意味論的に類似したボクセルで構成され、木の形の形態を示すことである。
Accordingly, the 3D region discrimination loss is firstly proposed to learn the discriminative representation measuring voxel-wise similarities and cluster semantically consistent voxels to form the candidate 3D vascular segmentation in unlabeled images; secondly, based on the similarity of the tree-shaped morphology between 2D and 3D vessels, the Crop-and-Overlap strategy is presented to generate reference masks from 2D structure-agnostic vessel annotations, which are fit for varied vascular structures, and the adversarial loss is introduced to guide the tree-shaped morphology of 3D vessels; thirdly, the temporal consistency loss is proposed to foster the training stability and keep the model updated smoothly.
モデルの堅牢性と信頼性をさらに高めるため、指向不変CNNモジュールとReliability-Refinementアルゴリズムを提案する。
公立の3次元脳血管および3次元動脈木データセットによる実験結果から,本モデルが9つの教師付きモデルに対して同等の有効性を示した。
関連論文リスト
- Rigid Single-Slice-in-Volume registration via rotation-equivariant 2D/3D feature matching [3.041742847777409]
本研究では,1つの2次元スライスと対応する3次元ボリュームを一致させる自己教師付き2D/3D登録手法を提案する。
NSCLC-Radiomics CTおよびKIRBY21 MRIデータセット上で,提案したスライス・イン・ボリューム登録の堅牢性を示す。
論文 参考訳（メタデータ） (2024-10-24T12:24:27Z) - 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。
スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。
本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
論文 参考訳（メタデータ） (2024-05-17T11:23:33Z) - 3D Vascular Segmentation Supervised by 2D Annotation of Maximum
Intensity Projection [33.34240545722551]
血管構造のセグメンテーションは、医学的分析と臨床応用において重要な役割を担っている。
既存の弱監督法は, スパース血管構造を扱う際に, 最適下肢機能を示した。
ここでは,3次元体積の次元を2次元画像に変換するために,最大強度投影(MIP)を用いる。
MIPを介して2D-3Dの深い特徴を融合してセグメンテーション性能を向上させる弱教師付きネットワークを導入する。
論文 参考訳（メタデータ） (2024-02-19T13:24:46Z) - Multi-dimension unified Swin Transformer for 3D Lesion Segmentation in
Multiple Anatomical Locations [1.7413461132662074]
3次元病変分割のためのMDU-ST(multi-dimension unified Swin transformer)と呼ばれる新しいモデルを提案する。
ネットワークの性能はDice similarity coefficient(DSC)とHausdorff distance(HD)で内部の3D病変データセットを用いて評価される。
提案手法は, 放射線学および腫瘍成長モデル研究を支援するために, 自動3次元病変セグメンテーションを行うために用いられる。
論文 参考訳（メタデータ） (2023-09-04T21:24:00Z) - 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) - 3D Coronary Vessel Reconstruction from Bi-Plane Angiography using Graph
Convolutional Networks [1.8244763402770727]
3DAngioNetは、2つのビューから2D XCA画像を使用して高速な3Dコンテナメッシュ再構築を可能にする、新しいディープラーニング(DL)システムである。
提案手法は,効率的なB3-UNetセグメンテーションネットワークとプロジェクションジオメトリを用いて粗いメッシュテンプレートを学習し,グラフ畳み込みネットワークを用いて変形する。
論文 参考訳（メタデータ） (2023-02-28T17:46:25Z) - Going Off-Grid: Continuous Implicit Neural Representations for 3D
Vascular Modeling [3.435923468974656]
パーソナライズド3D血管モデルは、心血管疾患患者の診断、予後、治療計画に有用である。
伝統的にそのようなモデルはメッシュやボクセルマスクのような明示的な表現で構築されてきた。
ここでは、その符号付き距離関数のゼロレベル集合によって、微分可能な暗黙的ニューラル表現(INR)で表面を表現することを提案する。
これにより、暗黙的で、連続的で、軽量で、ディープラーニングアルゴリズムとの統合が容易な表現で、複雑な血管構造をモデル化できます。
論文 参考訳（メタデータ） (2022-07-29T13:08:35Z) - Homography Loss for Monocular 3D Object Detection [54.04870007473932]
ホログラフィーロス(Homography Loss)と呼ばれる,2次元情報と3次元情報の両方を利用する識別可能なロス関数を提案する。
提案手法は,KITTI 3Dデータセットにおいて,他の最先端技術と比較して高い性能を示す。
論文 参考訳（メタデータ） (2022-04-02T03:48:03Z) - Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based
Perception [122.53774221136193]
運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。
自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。
本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-12T06:25:11Z) - 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) - Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。
また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
論文 参考訳（メタデータ） (2020-07-09T13:23:15Z)
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。