論文の概要: Towards Simultaneous Segmentation of Liver Tumors and Intrahepatic Vessels via Cross-attention Mechanism

• arxiv url: http://arxiv.org/abs/2302.09785v1
• Date: Mon, 20 Feb 2023 06:17:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 16:37:29.473274
• Title: Towards Simultaneous Segmentation of Liver Tumors and Intrahepatic Vessels via Cross-attention Mechanism
• Title（参考訳）: 肝腫瘍と肝内血管の同時分節化に向けて
• Authors: Haopeng Kuang, Dingkang Yang, Shunli Wang, Xiaoying Wang, Lihua Zhang
• Abstract要約: 医用画像の正確な分割を行う3D U-shaped Cross-Attention Network (UCA-Net)を提案する。 UCA-Netは、チャネルワイドのクロスアテンションモジュールを使用して、エンコーダとデコーダのセマンティックギャップを減らし、スライスワイドのクロスアテンションモジュールを使用してコンテキストセマンティック学習能力を向上する。 実験の結果,提案したUCA-Netは,肝腫瘍および肝内血管分割作業において,正確に3次元医用画像のセグメンテーションを行い,最先端のパフォーマンスを達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 3.291044793301153
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate visualization of liver tumors and their surrounding blood vessels is essential for noninvasive diagnosis and prognosis prediction of tumors. In medical image segmentation, there is still a lack of in-depth research on the simultaneous segmentation of liver tumors and peritumoral blood vessels. To this end, we collect the first liver tumor, and vessel segmentation benchmark datasets containing 52 portal vein phase computed tomography images with liver, liver tumor, and vessel annotations. In this case, we propose a 3D U-shaped Cross-Attention Network (UCA-Net) that utilizes a tailored cross-attention mechanism instead of the traditional skip connection to effectively model the encoder and decoder feature. Specifically, the UCA-Net uses a channel-wise cross-attention module to reduce the semantic gap between encoder and decoder and a slice-wise cross-attention module to enhance the contextual semantic learning ability among distinct slices. Experimental results show that the proposed UCA-Net can accurately segment 3D medical images and achieve state-of-the-art performance on the liver tumor and intrahepatic vessel segmentation task.
• Abstract（参考訳）: 肝腫瘍とその周囲の血管の正確な可視化は腫瘍の非侵襲的診断と予後予測に不可欠である。 医用画像のセグメンテーションでは、肝腫瘍と経時的血管の同時セグメンテーションに関する詳細な研究がまだ残っていない。 この目的のために, 肝, 肝腫瘍, 血管アノテーションを併用した52門脈相CT画像を含む第1肝腫瘍と血管分画ベンチマークデータセットを収集した。 本稿では,従来のスキップ接続ではなく,適切なクロスアテンション機構を用いて,エンコーダとデコーダ機能を効果的にモデル化する3次元U字型クロスアテンションネットワーク(UCA-Net)を提案する。 具体的には、UCA-Netは、チャネルワイドのクロスアテンションモジュールを使用して、エンコーダとデコーダのセマンティックギャップを減らし、スライスワイドのクロスアテンションモジュールを使用して、異なるスライス間のコンテキストセマンティック学習能力を向上する。 実験の結果,提案したUCA-Netは,肝腫瘍および肝内血管分割作業において,正確に3次元医用画像のセグメンテーションを行い,最先端のパフォーマンスを達成できることが示唆された。

関連論文リスト

• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Efficient liver segmentation with 3D CNN using computed tomography scans [0.0]
  肝腫瘍による肝疾患は、世界で最も一般的な理由の1つである。 多くの画像モダリティは、肝腫瘍を検出するための補助ツールとして使用できる。 腹部CTから肝を検出・分画する効率的な自動肝分画フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-28T19:02:39Z)
• Large-Kernel Attention for 3D Medical Image Segmentation [14.76728117630242]
  本稿では,多臓器分割と腫瘍分割を正確に行うために,新しいLKアテンションモジュールを提案する。 畳み込みと自己注意の利点は、局所的な文脈情報、長距離依存、チャネル適応を含むLKアテンションモジュールで組み合わせられる。 モジュールはまた、計算コストを最適化するためにLK畳み込みを分解し、U-NetのようなFCNに簡単に組み込むことができる。
  論文  参考訳（メタデータ） (2022-07-19T16:32:55Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• Exploiting full Resolution Feature Context for Liver Tumor and Vessel Segmentation via Fusion Encoder: Application to Liver Tumor and Vessel 3D reconstruction [19.048952361722876]
  本稿ではTransformerとSEBottleNetをベースとしたTransFusionNetと呼ばれるマルチスケール機能コンテキスト融合ネットワークを提案する。 実験の結果、TransFusionNetは、LITSと3Dircadbの両方の公開データセットと臨床データセットの最先端手法よりも優れていることがわかった。 また,トレーニングモデルに基づく自動3次元再構成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-26T02:48:48Z)
• Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
  病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。 本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。 本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
  論文  参考訳（メタデータ） (2021-08-01T07:28:32Z)
• Multi-Slice Low-Rank Tensor Decomposition Based Multi-Atlas Segmentation: Application to Automatic Pathological Liver CT Segmentation [4.262342157729123]
  腹部CT像からの肝分画は,肝癌のコンピュータ診断と手術計画に必須のステップである。 現在、既存の肝セグメンテーション法の精度と堅牢性は臨床応用の要件を満たしていない。 低ランクテンソル分解(LRTD)ベースのマルチアトラス分割(MAS)フレームワークを提案し、CT画像の正確で堅牢な病理学的肝分割を実現する。
  論文  参考訳（メタデータ） (2021-02-24T04:09:39Z)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)
• Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
  本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。 提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。 検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
  論文  参考訳（メタデータ） (2020-06-25T21:10:04Z)

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。