論文の概要: Lung Nodule Segmentation and Low-Confidence Region Prediction with
Uncertainty-Aware Attention Mechanism
- arxiv url: http://arxiv.org/abs/2303.08416v1
- Date: Wed, 15 Mar 2023 07:31:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-16 14:38:08.248528
- Title: Lung Nodule Segmentation and Low-Confidence Region Prediction with
Uncertainty-Aware Attention Mechanism
- Title（参考訳）: 不確実性を考慮した肺結節分節と低信頼領域予測
- Authors: Han Yang, Qiuli Wang
- Abstract要約: 本稿では,より優れたセグメンテーションを実現するための不確かさ認識機構(UAAM)を提案する。
本稿では,LIDC-IDRI上での複雑結節チャレンジを提案する。
実験の結果,U-Netによるセグメント化が不十分なノジュールにおいて,セグメント化性能が著しく向上することが確認された。
- 参考スコア（独自算出の注目度）: 6.589675413681154
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Radiologists have different training and clinical experiences, so they may
provide various segmentation annotations for a lung nodule, which causes
segmentation uncertainty among multiple annotations. Conventional methods
usually chose a single annotation as the learning target or tried to learn a
latent space of various annotations. Still, they wasted the valuable
information of consensus or disagreements ingrained in the multiple
annotations. This paper proposes an Uncertainty-Aware Attention Mechanism
(UAAM), which utilizes consensus or disagreements among annotations to produce
a better segmentation. In UAAM, we propose a Multi-Confidence Mask (MCM), which
is a combination of a Low-Confidence (LC) Mask and a High-Confidence (HC) Mask.
LC mask indicates regions with low segmentation confidence, which may cause
different segmentation options among radiologists. Following UAAM, we further
design an Uncertainty-Guide Segmentation Network (UGS-Net), which contains
three modules:Feature Extracting Module captures a general feature of a lung
nodule. Uncertainty-Aware Module produce three features for the annotations'
union, intersection, and annotation set. Finally, Intersection-Union
Constraining Module use distances between three features to balance the
predictions of final segmentation, LC mask, and HC mask. To fully demonstrate
the performance of our method, we propose a Complex Nodule Challenge on
LIDC-IDRI, which tests UGS-Net's segmentation performance on the lung nodules
that are difficult to segment by U-Net. Experimental results demonstrate that
our method can significantly improve the segmentation performance on nodules
with poor segmentation by U-Net.
- Abstract（参考訳）: 放射線医は訓練と臨床経験が異なるため、肺結節に対して様々なセグメンテーションアノテーションを提供し、複数のアノテーション間でセグメンテーションの不確実性を引き起こす可能性がある。
従来の手法は通常、学習対象として単一のアノテーションを選択したり、様々なアノテーションの潜在空間を学習しようとしたりした。
それでも、複数のアノテーションの中で合意や意見の不一致の貴重な情報を無駄にした。
本稿では,アノテーション間のコンセンサスや不一致を利用してセグメンテーションを改善する不確実性意識機構(UAAM)を提案する。
UAAMでは、低信頼(LC)マスクと高信頼(HC)マスクを組み合わせたマルチ信頼マスク(MCM)を提案する。
LCマスクはセグメンテーションの信頼性が低い領域を指し、放射線技師の間でセグメンテーションの選択肢が異なる可能性がある。
UAAMの後、我々はさらに3つのモジュールを含むUncertainty-Guide Segmentation Network (UGS-Net)を設計した。
Uncertainty-Aware Moduleはアノテーションの結合、交差、アノテーションセットの3つの機能を生成する。
最後に、Intersection-Union Constraining Moduleは、最終セグメンテーション、LCマスク、HCマスクの予測のバランスをとるために、3つの特徴間の距離を使用する。
そこで本研究では, ugs-net の肺結節における分節性能を, u-net で分節することが困難である ugs-net の分節性能を試験する lidc-idri の複雑な結節課題を提案する。
実験の結果,本手法はu-netによるセグメンテーションが不十分な結節のセグメンテーション性能を著しく向上できることがわかった。
関連論文リスト
- Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [49.42240049628059]
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) - PCA: Semi-supervised Segmentation with Patch Confidence Adversarial
Training [52.895952593202054]
医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。
PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。
本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
論文 参考訳（メタデータ） (2022-07-24T07:45:47Z) - Learning self-calibrated optic disc and cup segmentation from
multi-rater annotations [7.104669952770345]
マルチレータアノテーションからOD/OCセグメンテーションを学習する新しいニューラルネットワークフレームワークを提案する。
提案手法は,両タスクの相互改善を実現し,最終的に改良されたセグメンテーション結果を得る。
論文 参考訳（メタデータ） (2022-06-10T13:35:07Z) - Uncertainty-Aware Lung Nodule Segmentation with Multiple Annotations [0.8602553195689513]
本稿では,マルチブランチU-Netに基づく不確実性認識ネットワーク(UAS-Net)を提案する。
セグメンテーションの不確実性を引き起こす可能性のある領域から、貴重な視覚的特徴を学ぶことができる。
また、MCM(Multi-Confidence Mask)を同時に提供し、セグメンテーションの不確実性レベルが異なる領域を指摘できる。
論文 参考訳（メタデータ） (2021-10-24T07:19:37Z) - Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical
Image Segmentation [92.9634065964963]
我々は、不確実性推定と個別の自己学習戦略に基づいて、新しい半教師付きセグメンテーションモデル、すなわち保守的ラディカルネットワーク(CoraNet)を提案する。
現在の技術と比較すると、ColaNetは優れたパフォーマンスを示しています。
論文 参考訳（メタデータ） (2021-10-17T08:49:33Z) - Uncertainty Quantification in Medical Image Segmentation with
Multi-decoder U-Net [3.961279440272763]
医用画像のセグメンテーションの不確かさを,教師付き学習方式で複数のアノテーションを用いたセグメンテーション性能の測定により評価する。
複数のデコーダを持つU-Netアーキテクチャを提案し、画像表現を同じエンコーダで符号化し、各アノテーションを参照するセグメンテーションを複数のデコーダで推定する。
提案アーキテクチャはエンドツーエンドでトレーニングされ、予測の不確実性推定を改善することができる。
論文 参考訳（メタデータ） (2021-09-15T01:46:29Z) - Learning Inductive Attention Guidance for Partially Supervised
Pancreatic Ductal Adenocarcinoma Prediction [73.96902906734522]
膵管腺癌(PDAC)は、アメリカ合衆国で3番目に多いがん死の原因である。
本稿では,全てのトレーニングデータに対して安価な画像レベルのアノテーションが提供され,それらのサブセットに対してのみ,コストのかかるvoxelアノテーションが利用可能となる,部分教師付き設定について考察する。
Inductive Attention Guidance Network (IAG-Net) を提案し、通常の/PDAC分類のためのグローバル画像レベルの分類器と半教師付きPDAC分類のためのローカルボクセルレベルの分類器を共同で学習する。
論文 参考訳（メタデータ） (2021-05-31T08:16:09Z) - 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) - Towards Cross-modality Medical Image Segmentation with Online Mutual
Knowledge Distillation [71.89867233426597]
本稿では,あるモダリティから学習した事前知識を活用し,別のモダリティにおけるセグメンテーション性能を向上させることを目的とする。
モーダル共有知識を徹底的に活用する新しい相互知識蒸留法を提案する。
MMWHS 2017, MMWHS 2017 を用いた多クラス心筋セグメンテーション実験の結果, CT セグメンテーションに大きな改善が得られた。
論文 参考訳（メタデータ） (2020-10-04T10:25:13Z) - Brain Stroke Lesion Segmentation Using Consistent Perception Generative
Adversarial Network [22.444373004248217]
半教師型脳卒中病変分類において, CPGAN(Consistent Perception Generative Adversarial Network)を提案する。
類似接続モジュール (SCM) は、マルチスケール機能の情報をキャプチャするように設計されている。
識別者が有意義な特徴表現を学習するように促すために、補助ネットワークを構築する。
論文 参考訳（メタデータ） (2020-08-30T07:42:47Z)
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。