論文の概要: JoB-VS: Joint Brain-Vessel Segmentation in TOF-MRA Images

• arxiv url: http://arxiv.org/abs/2304.07744v1
• Date: Sun, 16 Apr 2023 10:18:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 17:27:41.341946
• Title: JoB-VS: Joint Brain-Vessel Segmentation in TOF-MRA Images
• Title（参考訳）: JoB-VS:ToF-MRA画像における脳血管分離
• Authors: Natalia Valderrama, Ioannis Pitsiorlas, Luisa Vargas, Pablo Arbel\'aez, Maria A. Zuluaga
• Abstract要約: 本稿では,脳と血管のセグメンテーション(JoB-VS)のための最初の共同タスク学習フレームワークを提案する。 最先端の血管分割法とは異なり、我々のアプローチは脳を抽出するモデルを実装する前処理のステップを回避している。
• 参考スコア（独自算出の注目度）: 5.393663899194096
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose the first joint-task learning framework for brain and vessel segmentation (JoB-VS) from Time-of-Flight Magnetic Resonance images. Unlike state-of-the-art vessel segmentation methods, our approach avoids the pre-processing step of implementing a model to extract the brain from the volumetric input data. Skipping this additional step makes our method an end-to-end vessel segmentation framework. JoB-VS uses a lattice architecture that favors the segmentation of structures of different scales (e.g., the brain and vessels). Its segmentation head allows the simultaneous prediction of the brain and vessel mask. Moreover, we generate data augmentation with adversarial examples, which our results demonstrate to enhance the performance. JoB-VS achieves 70.03% mean AP and 69.09% F1-score in the OASIS-3 dataset and is capable of generalizing the segmentation in the IXI dataset. These results show the adequacy of JoB-VS for the challenging task of vessel segmentation in complete TOF-MRA images.
• Abstract（参考訳）: 飛行時磁気共鳴画像から脳と血管のセグメンテーション(job-vs)を学習するための最初の共同タスク学習フレームワークを提案する。 最先端の血管分割法とは異なり,本手法では,容積入力データから脳を抽出するモデルを実装する前処理ステップを回避する。 この追加ステップをスキップすることで、私たちのメソッドはエンドツーエンドのコンテナセグメンテーションフレームワークになります。 JoB-VSは格子アーキテクチャを使用し、異なるスケールの構造(例えば脳と血管)のセグメンテーションを好んでいる。 そのセグメンテーションヘッドは、脳と血管マスクの同時予測を可能にする。 さらに,本研究では,逆例によるデータ拡張生成を行い,その性能向上効果を実証する。 JoB-VSはOASIS-3データセットのAP平均70.03%、F1スコア69.09%を達成し、IXIデータセットのセグメンテーションを一般化することができる。 これらの結果から,完全TOF-MRA画像における血管分割の課題に対するJoB-VSの有効性が示唆された。

関連論文リスト

• Adapting Segment Anything Model for Unseen Object Instance Segmentation [70.60171342436092]
  Unseen Object Instance(UOIS)は、非構造環境で動作する自律ロボットにとって不可欠である。 UOISタスクのためのデータ効率のよいソリューションであるUOIS-SAMを提案する。 UOIS-SAMは、(i)HeatmapベースのPrompt Generator(HPG)と(ii)SAMのマスクデコーダに適応する階層識別ネットワーク(HDNet)の2つの重要なコンポーネントを統合する。
  論文  参考訳（メタデータ） (2024-09-23T19:05:50Z)
• Does SAM dream of EIG? Characterizing Interactive Segmenter Performance using Expected Information Gain [2.0625936401496237]
  本稿では,対話型セグメンテーションモデルの評価手法を提案する。 ベイズ実験設計の概念に基づいて、この手順はモデルの点のプロンプトに対する理解を測定する。 我々は、Oracle Diceインデックスの測定が、この特性の測定に無関心であるか、あるいは誤解を招くことさえ示している。
  論文  参考訳（メタデータ） (2024-04-24T19:22:45Z)
• Adapting SAM for Volumetric X-Ray Data-sets of Arbitrary Sizes [0.0]
  非破壊検査(NDT)のためのX線CTデータにおけるボリューム・インスタンス・セグメンテーションのための新しい手法を提案する。 Segment Anything Model (SAM) と tile-based Flood Filling Networks (FFN) を組み合わせる。 本研究は、ボリュームNDTデータセットにおけるSAMの性能を評価し、課題の画像シナリオにおけるセグメントインスタンスの有効性を実証する。
  論文  参考訳（メタデータ） (2024-02-09T17:12:04Z)
• Semantic-SAM: Segment and Recognize Anything at Any Granularity [83.64686655044765]
  本稿では,任意の粒度でセグメンテーションと認識を可能にする汎用画像セグメンテーションモデルであるSemantic-SAMを紹介する。 複数のデータセットを3つの粒度に集約し、オブジェクトとパーツの分離した分類を導入する。 マルチグラニュラリティ機能を実現するために,各クリックで複数のレベルのマスクを生成できるマルチ選択学習方式を提案する。
  論文  参考訳（メタデータ） (2023-07-10T17:59:40Z)
• MV-JAR: Masked Voxel Jigsaw and Reconstruction for LiDAR-Based Self-Supervised Pre-Training [58.07391711548269]
  Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training
  論文  参考訳（メタデータ） (2023-03-23T17:59:02Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• A Trio-Method for Retinal Vessel Segmentation using Image Processing [0.0]
  本稿では,三重前処理法を用いて網膜血管の分画に焦点を当てた。 2つの提案されたU-Netアーキテクチャは、すべての標準的なパフォーマンス指標で比較された。 このリアルタイムデプロイメントは、セグメンテーションと検出を向上した画像の効率的な前処理を支援する。
  論文  参考訳（メタデータ） (2022-09-19T22:07:34Z)
• PA-Seg: Learning from Point Annotations for 3D Medical Image Segmentation using Contextual Regularization and Cross Knowledge Distillation [14.412073730567137]
  本稿では,3次元医用画像の7点のみのセグメンテーションターゲットに注釈を付け,弱教師付き学習フレームワークPA-Segを設計する。 第1段階では、より監督的な信号を提供するために、シードポイントを拡張するために測地距離変換を用いる。 第2段階では、第1段階で事前学習されたモデルから得られた予測を擬似ラベルとして使用する。
  論文  参考訳（メタデータ） (2022-08-11T07:00:33Z)
• Instance Segmentation of Unlabeled Modalities via Cyclic Segmentation GAN [27.936725483892076]
  本稿では,画像翻訳とインスタンスセグメンテーションを共同で行うCysic Generative Adrial Network(CySGAN)を提案する。 注記電子顕微鏡(en:Annotated electron microscopy, EM)画像とラベルなし拡張顕微鏡(en:Unlabeled expansion microscopy, ExM)データを用いて, ニューロンの3次元セグメンテーションの課題についてベンチマークを行った。
  論文  参考訳（メタデータ） (2022-04-06T20:46:39Z)
• Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with Self-Supervised Depth Estimation [94.16816278191477]
  本稿では,セミアダプティブなセマンティックセマンティックセマンティックセグメンテーションのためのフレームワークを提案する。 ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。 提案したモデルをCityscapesデータセット上で検証する。
  論文  参考訳（メタデータ） (2021-08-28T01:33:38Z)
• Gradient-Induced Co-Saliency Detection [81.54194063218216]
  Co-SOD(Co-saliency Detection)は、一般的な唾液前景を関連画像のグループに分割することを目的としている。 本稿では,人間の行動にインスパイアされた,勾配誘導型共分散検出法を提案する。
  論文  参考訳（メタデータ） (2020-04-28T08:40:55Z)

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。