論文の概要: CDIDN: A Registration Model with High Deformation Impedance Capability
for Long-Term Tracking of Pulmonary Lesion Dynamics
- arxiv url: http://arxiv.org/abs/2305.11024v2
- Date: Wed, 24 May 2023 12:45:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 00:54:54.587751
- Title: CDIDN: A Registration Model with High Deformation Impedance Capability
for Long-Term Tracking of Pulmonary Lesion Dynamics
- Title(参考訳): cdidn : 肺病変の長期追跡のための高い変形インピーダンス能を有する登録モデル
- Authors: Xinyu Zhao, Sa Huang, Wei Pang, You Zhou
- Abstract要約: 本稿では,医療用CT画像の登録問題について,新しい視点から検討する。
我々はCascade-Dilation Inter-Layer Differential Network (CDIDN)と呼ばれる新しい登録モデルを提案する。
高い変形能力(DIC)と精度を示す。
- 参考スコア(独自算出の注目度): 9.253798333911341
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the problem of registration for medical CT images from a novel
perspective -- the sensitivity to degree of deformations in CT images. Although
some learning-based methods have shown success in terms of average accuracy,
their ability to handle regions with local large deformation (LLD) may
significantly decrease compared to dealing with regions with minor deformation.
This motivates our research into this issue. Two main causes of LLDs are organ
motion and changes in tissue structure, with the latter often being a long-term
process. In this paper, we propose a novel registration model called
Cascade-Dilation Inter-Layer Differential Network (CDIDN), which exhibits both
high deformation impedance capability (DIC) and accuracy. CDIDN improves its
resilience to LLDs in CT images by enhancing LLDs in the displacement field
(DF). It uses a feature-based progressive decomposition of LLDs, blending
feature flows of different levels into a main flow in a top-down manner. It
leverages Inter-Layer Differential Module (IDM) at each level to locally refine
the main flow and globally smooth the feature flow, and also integrates feature
velocity fields that can effectively handle feature deformations of various
degrees. We assess CDIDN using lungs as representative organs with large
deformation. Our findings show that IDM significantly enhances LLDs of the DF,
by which improves the DIC and accuracy of the model. Compared with other
outstanding learning-based methods, CDIDN exhibits the best DIC and excellent
accuracy. Based on vessel enhancement and enhanced LLDs of the DF, we propose a
novel method to accurately track the appearance, disappearance, enlargement,
and shrinkage of pulmonary lesions, which effectively addresses detection of
early lesions and peripheral lung lesions, issues of false enlargement, false
shrinkage, and mutilation of lesions.
- Abstract(参考訳): 医用CT画像の登録問題について,新しい視点から検討し,CT画像の変形度に対する感度について検討した。
学習に基づく手法によっては平均精度で成功しているものもあるが、局所的な大変形(LLD)を持つ領域を扱う能力は、小さな変形を持つ領域と比較して著しく低下する可能性がある。
これはこの問題の研究を動機づけます。
lldの主な原因は臓器の動きと組織構造の変化であり、後者はしばしば長期の過程である。
本稿では,高変形インピーダンス(DIC)と精度の両方を示すCDIDN(Cascade-Dilation Inter-Layer Differential Network)と呼ばれる新しい登録モデルを提案する。
CDIDNは、変位場(DF)におけるLDDを強化することにより、CT画像のLDDに対するレジリエンスを向上させる。
機能ベースのLDDのプログレッシブ分解を使用し、異なるレベルの特徴フローをトップダウンでメインフローにブレンドする。
各レベルで層間微分モジュール(IDM)を活用して、主フローを局所的に洗練し、特徴フローをグローバルに滑らかにするとともに、様々な度の特徴変形を効果的に処理できる特徴速度場を統合する。
肺を代表臓器として用いたCDIDNの評価を行った。
以上の結果から,IDMはDFのLDDを大幅に向上させ,DICの改善とモデルの精度の向上を図っている。
他の優れた学習ベース手法と比較して、CDIDNは最高のDICと優れた精度を示す。
そこで本研究では, 肺病変の出現, 消失, 拡大, 縮小を正確に追跡する新しい方法を提案し, 早期病変, 末梢病変の検出, 偽拡大, 偽収縮, 病変の切断を効果的に行う。
関連論文リスト
- Reversing the Abnormal: Pseudo-Healthy Generative Networks for Anomaly
Detection [8.737589725372398]
PHANES(Pseudo Healthy Generative Network for Anomaly)と呼ばれる新しい教師なしアプローチを導入する。
本手法は, 異常を回復し, 健康な組織を保存し, 異常領域を偽の健康再建に置き換える機能を有する。
我々は、T1w脳MRIデータセットの脳梗塞検出におけるPHANESの有効性を実証し、最先端(SOTA)法よりも大幅に改善したことを示す。
論文 参考訳(メタデータ) (2023-03-15T08:54:20Z) - Self-Supervised CSF Inpainting with Synthetic Atrophy for Improved
Accuracy Validation of Cortical Surface Analyses [2.018732483255139]
本稿では,パッチベースのドロップアウトトレーニング,エッジマップ先行,正弦波位置符号化を取り入れた新しい3次元GANモデルを提案する。
提案手法は,合成画像の品質を著しく向上させ,微調整による未確認データに適用可能であることを示す。
論文 参考訳(メタデータ) (2023-03-10T08:27:14Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳(メタデータ) (2023-03-07T09:40:22Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳(メタデータ) (2023-01-19T21:39:38Z) - Semi-Supervised Segmentation of Radiation-Induced Pulmonary Fibrosis
from Lung CT Scans with Multi-Scale Guided Dense Attention [12.50972252041458]
我々はPF-Netと呼ばれる新しい畳み込みニューラルネットワークを提案する。
PF-Netは2Dと3Dの畳み込みを組み合わせ、大きなスライス間隔でCTボリュームを扱う。
放射線誘起PFによるRhesus MacaquesのCTスキャン実験により、PF-Netは既存の2D, 3D, 2.5Dニューラルネットワークよりも高いセグメンテーション精度を示した。
論文 参考訳(メタデータ) (2021-09-29T03:35:50Z) - MRI to PET Cross-Modality Translation using Globally and Locally Aware
GAN (GLA-GAN) for Multi-Modal Diagnosis of Alzheimer's Disease [1.7499351967216341]
現実像を合成できるGAN(Generative Adversarial Network)は、標準的なデータ拡張手法の代替として大きな可能性を秘めている。
本稿では,グローバルな構造的整合性と局所的細部への忠実さを両立させるマルチパスアーキテクチャにより,グローバルかつ局所的に認識された画像間変換GAN(GLA-GAN)を提案する。
論文 参考訳(メタデータ) (2021-08-04T16:38:33Z) - Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。
ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。
我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
論文 参考訳(メタデータ) (2021-04-07T01:15:06Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-14T16:50:50Z) - Deep Volumetric Universal Lesion Detection using Light-Weight Pseudo 3D
Convolution and Surface Point Regression [23.916776570010285]
コンピュータ支援型病変/重要なフィンディング検出技術は、医療画像の核心にある。
そこで本研究では,(1) P3DC演算子を組み込んだ深層アンカーフリーワンステージVULDフレームワークを提案する。
3次元病変の空間範囲を効果的に抑圧する新しいSPR法は、その代表的キーポイントを病変表面にピンポイントすることで実現される。
論文 参考訳(メタデータ) (2020-08-30T19:42:06Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳(メタデータ) (2020-04-22T07:30:56Z)
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。