論文の概要: Automated Peripancreatic Vessel Segmentation and Labeling Based on Iterative Trunk Growth and Weakly Supervised Mechanism

• arxiv url: http://arxiv.org/abs/2303.02967v1
• Date: Mon, 6 Mar 2023 08:51:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 16:42:19.719149
• Title: Automated Peripancreatic Vessel Segmentation and Labeling Based on Iterative Trunk Growth and Weakly Supervised Mechanism
• Title（参考訳）: 反復的トランク成長と弱監視機構に基づく膵周囲血管分画とラベル付けの自動化
• Authors: Liwen Zou, Zhenghua Cai, Liang Mao, Ziwei Nie, Yudong Qiu and Xiaoping Yang
• Abstract要約: 本稿では, 膵外静脈分節機能を改善するために, 膵外静脈分節機能向上のためのAPESAフレームワークを提案する。 提案したITGMは一連のトランク成長モジュールから構成されており,それぞれが基本容器予測の最も信頼性の高いトランクを選択する。 提案するWSLMは、疑似分岐アノテーションを生成するための教師なしルールベースの前処理と、voxelによる分岐分布のボクセルを学習するための解剖学的ラベリングネットワークから構成される。
• 参考スコア（独自算出の注目度）: 9.145118456817945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Peripancreatic vessel segmentation and anatomical labeling play extremely important roles to assist the early diagnosis, surgery planning and prognosis for patients with pancreatic tumors. However, most current techniques cannot achieve satisfactory segmentation performance for peripancreatic veins and usually make predictions with poor integrity and connectivity. Besides, unsupervised labeling algorithms cannot deal with complex anatomical variation while fully supervised methods require a large number of voxel-wise annotations for training, which is very labor-intensive and time-consuming. To address these problems, we propose our Automated Peripancreatic vEssel Segmentation and lAbeling (APESA) framework, to not only highly improve the segmentation performance for peripancreatic veins, but also efficiently identify the peripancreatic artery branches. There are two core modules in our proposed APESA framework: iterative trunk growth module (ITGM) for vein segmentation and weakly supervised labeling mechanism (WSLM) for artery branch identification. Our proposed ITGM is composed of a series of trunk growth modules, each of which chooses the most reliable trunk of a basic vessel prediction by the largest connected constraint, and seeks for the possible growth branches by branch proposal network. Our designed iterative process guides the raw trunk to be more complete and fully connected. Our proposed WSLM consists of an unsupervised rule-based preprocessing for generating pseudo branch annotations, and an anatomical labeling network to learn the branch distribution voxel by voxel. We achieve Dice of 94.01% for vein segmentation on our collected dataset, which boosts the accuracy by nearly 10% compared with the state-of-the-art methods. Additionally, we also achieve Dice of 97.01% on segmentation and competitive performance on anatomical labeling for peripancreatic arteries.
• Abstract（参考訳）: 膵腫瘍の早期診断,手術計画,予後の補助には,膵周囲血管分画と解剖学的標識が極めて重要な役割を担っている。 しかしながら、現在のほとんどの技術は、膵静脈の十分なセグメンテーション性能を達成できず、通常は整合性や接続性に乏しい予測を行う。 さらに、教師なしのラベリングアルゴリズムは複雑な解剖学的変異には対処できないが、教師なしの手法はトレーニングのために大量のvoxel-wiseアノテーションを必要とする。 これらの課題に対処するため, 膵静脈の分節性能を向上するだけでなく, 膵動脈枝の同定も効果的に行うために, 膵動静脈分節とlAbeling(APESA)フレームワークを提案する。 APESA フレームワークには2つのコアモジュールがある: 静脈分節に対する反復的トランク成長モジュール (ITGM) と動脈枝同定のための弱い教師付きラベル機構 (WSLM) である。 提案したITGMは一連のトランク成長モジュールから構成されており,各モジュールは最大連結制約による基本容器予測の最も信頼性の高いトランクを選択し,分岐提案ネットワークによる成長分岐の可能性を探っている。 私たちの設計した反復プロセスは、生のトランクをより完全かつ完全に接続するように導きます。 提案するWSLMは、疑似分岐アノテーションを生成するための教師なしルールベースの前処理と、voxelによる分岐分布のボクセルを学習するための解剖学的ラベリングネットワークから構成される。 収集したデータセットの静脈分画の94.01%をdiceで達成し,最先端法と比較して精度を10%近く向上させた。 また,膵動脈の解剖学的ラベリングにおけるセグメンテーションと競争性能の97.01%のDiceも達成した。

関連論文リスト

• Optimized Vessel Segmentation: A Structure-Agnostic Approach with Small Vessel Enhancement and Morphological Correction [7.882674026364302]
  マルチモーダル血管セグメンテーションのための小型血管拡張と形態的補正を取り入れた構造診断手法を提案する。 本手法は,より優れたセグメンテーション精度,一般化,34.6%の接続性向上を実現し,臨床応用の可能性を強調した。
  論文  参考訳（メタデータ） (2024-11-22T08:38:30Z)
• Adversarial Vessel-Unveiling Semi-Supervised Segmentation for Retinopathy of Prematurity Diagnosis [9.683492465191241]
  広範囲な手動血管アノテーションを必要とせず,ROP研究を進めるための半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。 ラベル付きデータにのみ依存する従来の手法とは異なり,本手法では不確実性重み付き容器公開モジュールとドメイン対向学習を統合している。 我々は、パブリックデータセットと社内ROPデータセットに対するアプローチを検証し、複数の評価指標で優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-11-14T02:40:34Z)
• Deep vessel segmentation with joint multi-prior encoding [2.8518403379315127]
  単一潜在空間に形状とトポロジーを組み込んだ新しいジョイント先行符号化機構を提案する。 本手法の有効性を3D-IRCADbデータセットで実証した。
  論文  参考訳（メタデータ） (2024-09-18T22:03:46Z)
• Semi- and Weakly-Supervised Learning for Mammogram Mass Segmentation with Limited Annotations [49.33388736227072]
  本稿では,マスセグメンテーションのための半弱教師付き学習フレームワークを提案する。 良好な性能を得るために, 限られた強ラベルのサンプルと十分な弱ラベルのサンプルを用いる。 CBIS-DDSMおよびINbreastデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-03-14T12:05:25Z)
• Partial Vessels Annotation-based Coronary Artery Segmentation with Self-training and Prototype Learning [17.897934341782843]
  冠動脈セグメンテーションの課題と臨床診断的特徴に基づく部分血管アノテーション(PVA)を提案する。 提案手法は,未ラベル領域に知識を伝達するための容器の局所的特徴を学習し,伝播過程に導入された誤りを補正する。 PVA(24.29%の船体)における競合手法よりも優れていることが臨床データから明らかとなった。
  論文  参考訳（メタデータ） (2023-07-10T10:42:48Z)
• External Attention Assisted Multi-Phase Splenic Vascular Injury Segmentation with Limited Data [72.99534552950138]
  脾臓は腹部外傷において最も多く損傷を受けた固形臓器の1つである。 脾臓血管損傷の 正確な分節化は 以下の理由から 困難です
  論文  参考訳（メタデータ） (2022-01-04T02:35:56Z)
• Every Annotation Counts: Multi-label Deep Supervision for Medical Image Segmentation [85.0078917060652]
  この障壁を克服する半弱教師付きセグメンテーションアルゴリズムを提案する。 このアプローチは,深層指導と生徒・教師モデルの新しい定式化に基づいている。 我々の新しいセグメンテーションのトレーニング体制は、完全にラベル付けされ、バウンディングボックスでマークされた画像、単にグローバルラベル、あるいは全くないイメージを柔軟に活用することで、高価なラベルの要件を94.22%削減することができる。
  論文  参考訳（メタデータ） (2021-04-27T14:51:19Z)
• Multi-class probabilistic atlas-based whole heart segmentation method in cardiac CT and MRI [4.144197343838299]
  本稿では,非剛性登録に基づく確率的アトラスを用いたマルチクラス全心セグメンテーションの枠組みを提案する。 また,高い到達可能な相互情報を得るためのマルチレゾリューション戦略を利用した非剛性登録パイプラインを提案する。 提案手法は,CTスキャンにおいて平均ボリュームオーバーラップ誤差が14.5 % であることを示す。
  論文  参考訳（メタデータ） (2021-02-03T01:02:09Z)
• A Teacher-Student Framework for Semi-supervised Medical Image Segmentation From Mixed Supervision [62.4773770041279]
  そこで我々は,臓器と病変のセグメンテーションのための教師と学生のスタイルに基づくセミ教師付き学習フレームワークを開発した。 我々は,本モデルがバウンディングボックスの品質に対して堅牢であることを示し,フル教師付き学習手法と比較した性能を実現する。
  論文  参考訳（メタデータ） (2020-10-23T07:58:20Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。