論文の概要: Towards more precise automatic analysis: a comprehensive survey of deep
learning-based multi-organ segmentation
- arxiv url: http://arxiv.org/abs/2303.00232v1
- Date: Wed, 1 Mar 2023 04:52:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 16:01:12.696913
- Title: Towards more precise automatic analysis: a comprehensive survey of deep
learning-based multi-organ segmentation
- Title（参考訳）: より正確な自動分析に向けて:深層学習に基づくマルチオーガンセグメンテーションの包括的調査
- Authors: Xiaoyu Liu, Linhao Qu, Ziyue Xie, Jiayue Zhao, Yonghong Shi, and
Zhijian Song
- Abstract要約: 本論は, この分野における最新の研究を体系的にまとめたものである。
完全かつ不完全なアノテーションの観点から,深層学習に基づく多臓器セグメンテーションに関する161の研究をコンパイルした。
- 参考スコア（独自算出の注目度）: 9.673055783655906
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate segmentation of multiple organs of the head, neck, chest, and
abdomen from medical images is an essential step in computer-aided diagnosis,
surgical navigation, and radiation therapy. In the past few years, with a
data-driven feature extraction approach and end-to-end training, automatic deep
learning-based multi-organ segmentation method has far outperformed traditional
methods and become a new research topic. This review systematically summarizes
the latest research in this field. For the first time, from the perspective of
full and imperfect annotation, we comprehensively compile 161 studies on deep
learning-based multi-organ segmentation in multiple regions such as the head
and neck, chest, and abdomen, containing a total of 214 related references. The
method based on full annotation summarizes the existing methods from four
aspects: network architecture, network dimension, network dedicated modules,
and network loss function. The method based on imperfect annotation summarizes
the existing methods from two aspects: weak annotation-based methods and semi
annotation-based methods. We also summarize frequently used datasets for
multi-organ segmentation and discuss new challenges and new research trends in
this field.
- Abstract（参考訳）: 医療画像からの頭部,頸部,胸部,腹部の複数の臓器の正確な分節化は,コンピュータ支援診断,手術ナビゲーション,放射線治療において重要なステップである。
近年,データ駆動型特徴抽出手法とエンドツーエンドトレーニングにより,自動深層学習に基づく多臓器分割法は従来の手法よりも優れ,新たな研究トピックとなっている。
このレビューは、この分野の最新研究を体系的に要約している。
まず, 完全かつ不完全なアノテーションの観点から, 頭頸部, 胸部, 腹部など複数領域の深層学習に基づくマルチオルガンセグメンテーションに関する161の研究を包括的にまとめた。
完全アノテーションに基づく手法は、ネットワークアーキテクチャ、ネットワーク次元、ネットワーク専用モジュール、ネットワーク損失関数の4つの側面から既存の手法を要約する。
不完全なアノテーションに基づくメソッドは、弱いアノテーションベースのメソッドと半アノテーションベースのメソッドという2つの側面から既存のメソッドを要約する。
また,複数組織セグメンテーションに頻繁に使用されるデータセットを要約し,新たな課題とこの分野の新たな研究動向について論じる。
関連論文リスト
- Deep Learning for Pancreas Segmentation: a Systematic Review [0.5714074111744111]
膵分離のための多くの深層学習モデルが近年提案されている。
腹部CTにて小径の膵分画が困難であった。
論文 参考訳（メタデータ） (2024-07-23T09:05:23Z) - Deep Interactive Segmentation of Medical Images: A Systematic Review and
Taxonomy [26.719457139819074]
対話的セグメンテーションは、人的フィードバックを取り入れることでコストのかかるアノテーションの効率を高めることを目的とした、医用画像解析における重要な研究領域である。
深層学習に基づくアプローチは、医療画像領域だけで121の手法が提案され、フィールドの急速な成長を引き起こした。
標準化されたベースラインとベンチマークによって取り組まなければならないメソッド間の比較の深刻な欠如がある。
論文 参考訳（メタデータ） (2023-11-23T12:26:08Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Multi-organ segmentation: a progressive exploration of learning
paradigms under scarce annotation [16.29982573567722]
ディープラーニングベースのアプローチは急速に進化し、マルチ組織セグメンテーションの顕著な進歩を目の当たりにした。
しかし、複数の臓器の適切な大きさの微粒化アノテートデータセットを得ることは非常に困難で高価である。
論文 参考訳（メタデータ） (2023-02-07T07:09:19Z) - Weakly Supervised Few-Shot Segmentation Via Meta-Learning [2.0962464943252934]
WeaSeL と ProtoSeg という2つの新しいメタ学習手法を提案する。
医療画像と農業リモートセンシングの異なる分野で,提案手法の広範な評価を行った。
論文 参考訳（メタデータ） (2021-09-03T18:20:26Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳（メタデータ） (2021-05-26T14:37:07Z) - A Survey on Deep Semi-supervised Learning [51.26862262550445]
まず,既存の手法を分類した深層半指導学習の分類法を提案する。
次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
論文 参考訳（メタデータ） (2021-02-28T16:22:58Z) - A Survey of Community Detection Approaches: From Statistical Modeling to
Deep Learning [95.27249880156256]
ネットワークコミュニティファイリング手法の統一アーキテクチャを開発し,提案する。
既存の手法を確率的グラフィカルモデルとディープラーニングという2つのカテゴリに分けた新しい分類法を提案する。
フィールドの課題の議論と今後の研究の方向性の提案を締めくくります。
論文 参考訳（メタデータ） (2021-01-03T02:32:45Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - Medical Image Segmentation Using Deep Learning: A Survey [11.204127714820945]
本稿では,深層学習技術を用いた医用画像のセグメンテーションに関する包括的調査を行う。
我々は,現在普及している文献を,粗いものから細かいものまで多層構造に従って分類する。
教師付き学習アプローチでは,バックボーンネットワークの選択,ネットワークブロックの設計,損失関数の改良という3つの側面から文献を解析する。
論文 参考訳（メタデータ） (2020-09-28T08:05:02Z) - Weakly Supervised Deep Nuclei Segmentation Using Partial Points
Annotation in Histopathology Images [51.893494939675314]
本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。
本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
論文 参考訳（メタデータ） (2020-07-10T15:41:29Z)
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。