Fugu-MT 論文翻訳(概要): Segmentation of Aortic Vessel Tree in CT Scans with Deep Fully Convolutional Networks

論文の概要: Segmentation of Aortic Vessel Tree in CT Scans with Deep Fully Convolutional Networks

arxiv url: http://arxiv.org/abs/2305.09833v1
Date: Tue, 16 May 2023 22:24:01 GMT
ステータス: 処理完了
システム内更新日: 2023-05-18 18:22:29.946823
Title: Segmentation of Aortic Vessel Tree in CT Scans with Deep Fully Convolutional Networks
Title（参考訳）: 深部畳み込み網を有するCTスキャンにおける大動脈血管木の分画
Authors: Shaofeng Yuan, Feng Yang
Abstract要約: 大動脈疾患の早期発見,診断,予後には,CTスキャンによる大動脈血管木の自動的,正確な分画が不可欠である。我々は2段階の完全畳み込みネットワーク(FCN)を用いて、複数のセンターからスキャン中のAVTを自動的に分割する。
参考スコア（独自算出の注目度）: 4.062948258086793
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automatic and accurate segmentation of aortic vessel tree (AVT) in computed tomography (CT) scans is crucial for early detection, diagnosis and prognosis of aortic diseases, such as aneurysms, dissections and stenosis. However, this task remains challenges, due to the complexity of aortic vessel tree and amount of CT angiography data. In this technical report, we use two-stage fully convolutional networks (FCNs) to automatically segment AVT in CTA scans from multiple centers. Specifically, we firstly adopt a 3D FCN with U-shape network architecture to segment AVT in order to produce topology attention and accelerate medical image analysis pipeline. And then another one 3D FCN is trained to segment branches of AVT along the pseudo-centerline of AVT. In the 2023 MICCAI Segmentation of the Aorta (SEG.A.) Challenge , the reported method was evaluated on the public dataset of 56 cases. The resulting Dice Similarity Coefficient (DSC) is 0.920, Jaccard Similarity Coefficient (JSC) is 0.861, Recall is 0.922, and Precision is 0.926 on a 5-fold random split of training and validation set.
Abstract（参考訳）: 腹部CT検査における大動脈血管木(AVT)の自動分画は,大動脈瘤,解離,狭窄などの大動脈疾患の早期発見,診断,予後に重要である。しかし,大動脈血管樹の複雑化とCT血管造影データの量により,この課題は依然として残る。本稿では,2段階完全畳み込みネットワーク(FCN)を用いて,複数のセンターからのCTAスキャンでAVTを自動的に分割する。具体的には、まず3D FCNとU字型ネットワークアーキテクチャを採用して、AVTをセグメント化し、トポロジーの注意を喚起し、医療画像解析パイプラインを高速化する。そしてもう1つの3D FCNは、AVTの擬似中心線に沿ってAVTの分岐を分割するように訓練される。 2023年のaorta(seg.a.)チャレンジのmiccaiセグメンテーションでは、56例の公開データセットで報告された方法が評価された。結果として得られるDice similarity Coefficient(DSC)は0.920、Jaccard similarity Coefficient(JSC)は0.861、Recallは0.922、Precisionは0.926である。

関連論文リスト

CIS-UNet: Multi-Class Segmentation of the Aorta in Computed Tomography Angiography via Context-Aware Shifted Window Self-Attention [10.335899694123711]
大動脈セグメンテーションのためのディープラーニングモデルであるContext Infused Swin-UNet(CIS-UNet)を紹介する。 CIS-UNetは、CNNエンコーダ、対称デコーダ、スキップ接続、新しいコンテキスト対応シフトウィンドウ自己認識(CSW-SA)をボトルネックブロックとする階層型エンコーダデコーダ構造を採用している。 CIS-UNetは,従来のSwinUNetRセグメンテーションモデルよりも優れた平均Dice係数0.713を達成し,コンピュータ断層撮影(CT)の訓練を行った。
論文参考訳（メタデータ） (2024-01-23T19:17:20Z)
Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文参考訳（メタデータ） (2023-06-06T18:01:08Z)
Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文参考訳（メタデータ） (2022-05-05T10:31:57Z)
AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
大動脈血管木は大動脈とその枝枝動脈からなる。大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
論文参考訳（メタデータ） (2021-08-06T08:18:28Z)
Pulmonary Vessel Segmentation based on Orthogonal Fused U-Net++ of Chest CT Images [1.8692254863855962]
胸部CT画像から肺血管セグメンテーションの枠組みと改善過程について検討した。アプローチの鍵となるのは、3つの軸から2.5D区分けネットワークを応用し、堅牢で完全に自動化された肺血管区分け結果を示す。提案手法は,他のネットワーク構造よりも大きなマージンで優れ,平均DICEスコア0.9272,精度0.9310を極端に上回っている。
論文参考訳（メタデータ） (2021-07-03T21:46:29Z)
Nested-block self-attention for robust radiotherapy planning segmentation [3.2541650155921142]
深層畳み込みネットワークは、頭頸部(HN)臓器のリスクセグメンテーション(OAR)において広く研究されている。定期的な臨床治療計画のためのそれらの使用は、イメージングアーティファクトへの堅牢性の欠如、CT上の低い軟組織コントラスト、および異常な解剖の存在によって制限される。我々は,任意の畳み込みネットワークと組み合わせることができる計算効率の良いネストブロック自己アテンション法(NBSA)を開発した。
論文参考訳（メタデータ） (2021-02-26T15:28:47Z)
Multi-Resolution 3D Convolutional Neural Networks for Automatic Coronary Centerline Extraction in Cardiac CT Angiography Scans [3.3774970857450084]
本稿では,Wolterink による血管トラッカーを拡張した深層学習型自動冠状動脈幹トラッカー (AuCoTrack) を提案する。マルチスケール3次元入力で動作する2経路畳み込みニューラルネットワーク(CNN)は、冠動脈の向きを予測する。類似のマルチスケール2重経路3D CNNは、追跡プロセスの終了のための冠動脈終端を特定するために訓練されている。
論文参考訳（メタデータ） (2020-10-02T11:20:25Z)
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)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)
Deep Learning based detection of Acute Aortic Syndrome in contrast CT images [2.2928817466049405]
急性大動脈症候群 (AAS) は大動脈の生命を脅かす一群である。我々はCT画像におけるAAS検出のためのエンドツーエンド自動アプローチを開発した。
論文参考訳（メタデータ） (2020-04-03T16:12:04Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。