論文の概要: Detection and Segmentation of Pancreas using Morphological Snakes and
Deep Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2302.06356v1
- Date: Mon, 13 Feb 2023 13:43:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-14 15:32:20.679947
- Title: Detection and Segmentation of Pancreas using Morphological Snakes and
Deep Convolutional Neural Networks
- Title（参考訳）: 形態蛇と深層畳み込みニューラルネットワークを用いた膵臓の検出と分節化
- Authors: Agapi Davradou
- Abstract要約: 膵癌は最も致命的なタイプのがんの1つであり、診断された患者の25%は1年間しか生存せず、6%は5年間生存している。
このような画像の高度な解析は、しばしば時間を要する課題である膵を手動で分割する必要がある。
本論文は, 膵分画の2段階的アプローチについて検討し, この課題に対処するものである。
このセグメンテーションタスクは、形態的アクティブな輪郭アルゴリズムと同様に、収穫データに適用された修正されたU-Netモデルによって取り組まれる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pancreatic cancer is one of the deadliest types of cancer, with 25% of the
diagnosed patients surviving for only one year and 6% of them for five.
Computed tomography (CT) screening trials have played a key role in improving
early detection of pancreatic cancer, which has shown significant improvement
in patient survival rates. However, advanced analysis of such images often
requires manual segmentation of the pancreas, which is a time-consuming task.
Moreover, pancreas presents high variability in shape, while occupying only a
very small area of the entire abdominal CT scans, which increases the
complexity of the problem. The rapid development of deep learning can
contribute to offering robust algorithms that provide inexpensive, accurate,
and user-independent segmentation results that can guide the domain experts.
This dissertation addresses this task by investigating a two-step approach for
pancreas segmentation, by assisting the task with a prior rough localization or
detection of pancreas. This rough localization of the pancreas is provided by
an estimated probability map and the detection task is achieved by using the
YOLOv4 deep learning algorithm. The segmentation task is tackled by a modified
U-Net model applied on cropped data, as well as by using a morphological active
contours algorithm. For comparison, the U-Net model was also applied on the
full CT images, which provide a coarse pancreas segmentation to serve as
reference. Experimental results of the detection network on the National
Institutes of Health (NIH) dataset and the pancreas tumour task dataset within
the Medical Segmentation Decathlon show 50.67% mean Average Precision. The best
segmentation network achieved good segmentation results on the NIH dataset,
reaching 67.67% Dice score.
- Abstract（参考訳）: 膵がんは最も致命的ながんの1つであり、診断された患者の25%は1年生存しており、6%は5年生存している。
CT検診は膵癌の早期発見において重要な役割を担っており, 生存率の大幅な改善が見られた。
しかし、これらの画像の高度な分析には、時間を要する作業である膵臓の手動セグメンテーションが必要となることが多い。
さらに, 膵臓の形状は変化が強く, 腹部CT検査の領域はごくわずかであり, 複雑さが増す。
ディープラーニングの急速な開発は、安価で正確でユーザに依存しないセグメンテーション結果を提供する堅牢なアルゴリズムを提供することに寄与する。
この論文は、膵臓の事前の粗い局在や検出を補助することにより、膵臓分画に対する2段階のアプローチを検討することにより、この課題に対処している。
この大まかな膵の局所化は推定確率マップによって提供され、YOLOv4ディープラーニングアルゴリズムを用いて検出処理を行う。
このセグメンテーションタスクは、クロッピングデータに適用される修正されたu-netモデルと形態素アクティブ輪郭アルゴリズムによって取り組まれる。
比較のために、U-NetモデルはフルCT画像にも適用され、粗い膵分画が参照として機能する。
NIH(National Institutes of Health)データセットの検知ネットワークと、メディカルセグメンテーション宣言における膵腫瘍タスクデータセットの実験結果は、平均精度50.67%を示している。
最高のセグメンテーションネットワークは、NIHデータセットで良いセグメンテーション結果を獲得し、67.67%のDiceスコアに達した。
関連論文リスト
- M3BUNet: Mobile Mean Max UNet for Pancreas Segmentation on CT-Scans [25.636974007788986]
我々は,M3BUNetを提案する。M3BUNetはMobileNetとU-Netニューラルネットワークの融合で,2段階に分けて膵CT像を段階的に分割する,新しい平均値(MM)アテンションを備える。
細かなセグメンテーションの段階では、ウェーブレット分解フィルタを用いてマルチインプット画像を作成することにより、膵のセグメンテーション性能が向上することがわかった。
提案手法は,最大89.53%のDice similarity Coefficient(DSC)値と最大81.16のIntersection Over Union(IOU)スコアをNIH pancreasデータセットで達成する。
論文 参考訳（メタデータ） (2024-01-18T23:10:08Z) - 3D PETCT Tumor Lesion Segmentation via GCN Refinement [4.929126432666667]
グラフ畳み込みニューラルネットワーク(GCN)に基づく後処理手法を提案する。
MICCIA2022 autoPET ChallengeにおいてPET/CTデータセットの腫瘍分画実験を行った。
実験結果から, nnUNet-GCNの改良により偽陽性率が効果的に減少することが示唆された。
論文 参考訳（メタデータ） (2023-02-24T10:52:08Z) - Generative Adversarial Networks for Weakly Supervised Generation and Evaluation of Brain Tumor Segmentations on MR Images [0.0]
本研究は2次元磁気共鳴画像におけるセグメント異常に対する弱教師付きアプローチを示す。
我々は,癌画像を健全な変種に変換するGAN(Generative Adversarial Network)を訓練する。
非共役な変種は、弱監督的な方法で分割を評価するためにも用いられる。
論文 参考訳（メタデータ） (2022-11-10T00:04:46Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Prostate Gland Segmentation in Histology Images via Residual and
Multi-Resolution U-Net [1.244681179922733]
この研究は、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く前立腺のセグメンテーションであり、残留ブロックと多解像度ブロックで修正され、データ拡張技術を用いて訓練されている。
残差構成は、画像レベルの比較において、テストサブセットで以前の最先端アプローチよりも優れており、平均Dice Index は 0.77 に達する。
論文 参考訳（メタデータ） (2021-05-21T20:11:36Z) - 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) - 3D Graph Anatomy Geometry-Integrated Network for Pancreatic Mass
Segmentation, Diagnosis, and Quantitative Patient Management [21.788423806147378]
膵管腺癌(PDAC)と他の9つの非PDAC腫とを多相CT画像で区別する。
患者レベルの診断を行うための総合的セグメンテーション・メシュ分類網(SMCN)を提案する。
論文 参考訳（メタデータ） (2020-12-08T19:38:01Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Segmentation for Classification of Screening Pancreatic Neuroendocrine
Tumors [72.65802386845002]
本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。
我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。
我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
論文 参考訳（メタデータ） (2020-04-04T21:21:44Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。