論文の概要: GDDS: Pulmonary Bronchioles Segmentation with Group Deep Dense
Supervision
- arxiv url: http://arxiv.org/abs/2303.09212v1
- Date: Thu, 16 Mar 2023 10:35:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 15:59:14.978361
- Title: GDDS: Pulmonary Bronchioles Segmentation with Group Deep Dense
Supervision
- Title(参考訳): GDDS : Group Deep Dense Supervision による肺気管支分画
- Authors: Mingyue Zhao, Shang Zhao, Quan Quan, Li Fan, Xiaolan Qiu, Shiyuan Liu,
and S.Kevin Zhou
- Abstract要約: グループ深度スーパービジョン(GDDS)に基づく気管支分別法を提案する。
GDDSは局所的な密集トポロジを巧みに構築し、特定の浅い特徴層に密集トポロジ学習を実装することで提案される。
BASベンチマークデータセットを用いた実験により,本手法はネットワークを微細な枝の捕捉に高い感度で促進することを示した。
- 参考スコア(独自算出の注目度): 17.852885354202428
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Airway segmentation, especially bronchioles segmentation, is an important but
challenging task because distal bronchus are sparsely distributed and of a fine
scale. Existing neural networks usually exploit sparse topology to learn the
connectivity of bronchioles and inefficient shallow features to capture such
high-frequency information, leading to the breakage or missed detection of
individual thin branches. To address these problems, we contribute a new
bronchial segmentation method based on Group Deep Dense Supervision (GDDS) that
emphasizes fine-scale bronchioles segmentation in a simple-but-effective
manner. First, Deep Dense Supervision (DDS) is proposed by constructing local
dense topology skillfully and implementing dense topological learning on a
specific shallow feature layer. GDDS further empowers the shallow features with
better perception ability to detect bronchioles, even the ones that are not
easily discernible to the naked eye. Extensive experiments on the BAS benchmark
dataset have shown that our method promotes the network to have a high
sensitivity in capturing fine-scale branches and outperforms state-of-the-art
methods by a large margin (+12.8 % in BD and +8.8 % in TD) while only
introducing a small number of extra parameters.
- Abstract(参考訳): 気道分節, 特に気管支分節は, 気道分節は軽度に分布し, 微細なスケールであるため, 重要な課題である。
既存のニューラルネットワークは通常、細長いトポロジーを利用して気管支の接続や非効率な浅層特徴を学習し、そのような高周波情報を捉える。
これらの問題に対処するために,グループ深層密集監督 (gdds) に基づく新しい気管支分画法を提案する。
まず,局所的密集トポロジーを巧みに構築し,特定の浅層特徴層上で密集トポロジー学習を行うことにより,奥行き密集層(dds)を提案する。
GDDSはさらに、肉眼で容易に識別できないものでさえも、気管支を検知する能力が向上して、浅い特徴をさらに強化する。
BASベンチマークデータセットの大規模な実験により,本手法は,少数の余剰パラメータのみを導入しながら,大規模分岐を捕捉し,最先端の手法を大きなマージン(BDでは+12.8%,TDでは+8.8%)で上回り,ネットワークの感度を高めることが示されている。
関連論文リスト
- Mixed Attention with Deep Supervision for Delineation of COVID Infection
in Lung CT [0.24366811507669117]
新しい深層学習アーキテクチャであるMiADS-Net(Mixed Attention Deeply Supervised Network)を提案する。
MiADS-Netは、COVID-19病変のセグメンテーションタスクにおいて、最先端のアーキテクチャよりも優れています。
論文 参考訳(メタデータ) (2023-01-17T15:36:27Z) - Differentiable Topology-Preserved Distance Transform for Pulmonary
Airway Segmentation [38.91713139087866]
トラキアとプリンシパル・ブロンチがボクセルの大半を支配しているのに対し、ローバー・ブロンチと遠位分節・ブロンチはわずかに占めている。
トポロジー保存型サロゲート学習戦略は、クラス内におけるトレーニングの進捗を等化するために最初に提案される。
畳み込み距離変換(CDT)は、破壊現象を感度良く識別するように設計されている。
論文 参考訳(メタデータ) (2022-09-17T15:47:01Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z) - Weakly Supervised Airway Orifice Segmentation in Video Bronchoscopy [0.0]
本論文は気管支鏡視下気管支鏡視下における気管支拡張術の自動化について述べる。
このタスクに対するディープラーニングベースのアプローチは、現在、容易に利用できる真実のセグメンテーションデータが欠如しているため、妨げられている。
我々はk平均からなるデータ駆動パイプラインと、コンパクトなマーカーベースの流域アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-08-24T12:18:25Z) - BronchusNet: Region and Structure Prior Embedded Representation Learning
for Bronchus Segmentation and Classification [53.53758990624962]
そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。
気管支分画のための適応型ハード領域対応UNetを提案する。
気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
論文 参考訳(メタデータ) (2022-05-14T02:32:33Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Hierarchical Deep Network with Uncertainty-aware Semi-supervised
Learning for Vessel Segmentation [58.45470500617549]
本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。
提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
論文 参考訳(メタデータ) (2021-05-31T06:55:43Z) - Learning Tubule-Sensitive CNNs for Pulmonary Airway and Artery-Vein
Segmentation in CT [45.93021999366973]
肺気道,動脈,静脈の分節に対する畳み込みニューラルネットワーク(CNN)の訓練は困難である。
コントラスト非造影CTにおいて,CNNによる正確な気道および動脈静脈分画法を提案する。
細気管支、動脈、静脈に対して優れた感受性を有する。
論文 参考訳(メタデータ) (2020-12-10T15:56:08Z) - Capturing scattered discriminative information using a deep architecture
in acoustic scene classification [49.86640645460706]
本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。
我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。
2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
論文 参考訳(メタデータ) (2020-07-09T08:32:06Z)
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。