Fugu-MT 論文翻訳(概要): Dual self-distillation of U-shaped networks for 3D medical image segmentation

論文の概要: Dual self-distillation of U-shaped networks for 3D medical image segmentation

arxiv url: http://arxiv.org/abs/2306.03271v1
Date: Mon, 5 Jun 2023 21:41:00 GMT
ステータス: 処理完了
システム内更新日: 2023-06-07 18:12:07.263325
Title: Dual self-distillation of U-shaped networks for 3D medical image segmentation
Title（参考訳）: 3次元医用画像分割のためのU字型ネットワークの二重自己蒸留
Authors: Soumyanil Banerjee, Ming Dong, Carri Glide-Hurst
Abstract要約: 3次元医用画像分割のためのU字型ネットワークのための二重自己蒸留(DSD)フレームワークを提案する。 DSDは、地下構造セグメンテーションラベルからデコーダ層への知識を蒸留し、1つのU字型ネットワークのエンコーダ層とデコーダ層の間の知識を蒸留する。
参考スコア（独自算出の注目度）: 2.7765722967857416
License: http://creativecommons.org/licenses/by/4.0/
Abstract: U-shaped networks and its variants have demonstrated exceptional results for medical image segmentation. In this paper, we propose a novel dual self-distillation (DSD) framework for U-shaped networks for 3D medical image segmentation. DSD distills knowledge from the ground-truth segmentation labels to the decoder layers and also between the encoder and decoder layers of a single U-shaped network. DSD is a generalized training strategy that could be attached to the backbone architecture of any U-shaped network to further improve its segmentation performance. We attached DSD on two state-of-the-art U-shaped backbones, and extensive experiments on two public 3D medical image segmentation datasets (cardiac substructure and brain tumor) demonstrated significant improvement over those backbones. On average, after attaching DSD to the U-shaped backbones, we observed an improvement of 4.25% and 3.15% in Dice similarity score for cardiac substructure and brain tumor segmentation respectively.
Abstract（参考訳）: U字型ネットワークとその変種は、医療画像セグメンテーションにおいて例外的な結果を示した。本稿では、3次元医用画像分割のためのU字型ネットワークのための新しい二重自己蒸留(DSD)フレームワークを提案する。 dsdは、地上のセグメンテーションラベルからデコーダ層、および1つのu字型ネットワークのエンコーダ層とデコーダ層の間の知識を蒸留する。 DSDは一般的なトレーニング戦略であり、任意のU字型ネットワークのバックボーンアーキテクチャにアタッチしてセグメンテーション性能をさらに改善することができる。 DSDを2つの最先端のU字型背骨に装着し、2つの公開3次元医用画像分割データセット(心部分構造と脳腫瘍)の広範な実験を行った。平均して, 背骨にDSDを装着すると, 心臓下層および脳腫瘍の分節に対するDice類似度スコアが4.25%, 3.15%改善した。

関連論文リスト

3D Distance-color-coded Assessment of PCI Stent Apposition via Deep-learning-based Three-dimensional Multi-object Segmentation [14.481320907187762]
そこで本研究では,PCI stent apposition のための3次元距離カラー符号化アセスメント (DccA) を提案する。提案した3D DccAは血管内光コヒーレンス断層撮影(IV-OCT)画像の3D血管内膜とステントを正確に抽出する。 3次元カラー空間へのステント-ラム距離の定量化とマッピングを行い,PCIステント付着の3次元視覚的評価を行った。
論文参考訳（メタデータ） (2024-10-26T03:06:43Z)
SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文参考訳（メタデータ） (2024-02-27T06:32:56Z)
Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文参考訳（メタデータ） (2023-12-26T12:56:31Z)
TSI-Net: A Timing Sequence Image Segmentation Network for Intracranial Artery Segmentation in Digital Subtraction Angiography [14.584220472118188]
本稿では,TSI-Net と呼ばれる U-shape を用いた時系列画像分割ネットワークを提案する。エンコーダには双方向のConvGRUモジュール(BCM)が組み込まれており、可変長DSAシーケンスを入力できる。近年の最先端ネットワークよりも性能が著しく向上している。
論文参考訳（メタデータ） (2023-09-07T04:44:38Z)
Cross-dimensional transfer learning in medical image segmentation with deep learning [0.4588028371034407]
本研究では,自然画像に基づく2次元分類ネットワークの効率性を2次元・3次元一次元・マルチモーダルな医用画像セグメンテーションアプリケーションへ効率的に転送する方法を提案する。本稿では,2次元事前学習エンコーダを高次元U-Netに埋め込むことによる重量移動と,2次元セグメントネットワークを高次元のU-Netに拡張することによる次元移動という2つの重要な原理に基づいて,新しいアーキテクチャを設計した。
論文参考訳（メタデータ） (2023-07-29T02:50:38Z)
3DSAM-adapter: Holistic adaptation of SAM from 2D to 3D for promptable tumor segmentation [52.699139151447945]
医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
論文参考訳（メタデータ） (2023-06-23T12:09:52Z)
Multi-organ Segmentation Network with Adversarial Performance Validator [10.775440368500416]
本稿では,2次元から3次元のセグメンテーションフレームワークに対向的な性能検証ネットワークを導入する。提案したネットワークは, 2次元粗い結果から3次元高品質なセグメンテーションマスクへの変換を行い, 共同最適化によりセグメンテーション精度が向上する。 NIH膵分節データセットの実験では、提案したネットワークが小臓器分節の最先端の精度を達成し、過去の最高性能を上回った。
論文参考訳（メタデータ） (2022-04-16T18:00:29Z)
Semi-Supervised Hybrid Spine Network for Segmentation of Spine MR Images [14.190504802866288]
半教師付き複合脊椎ネットワーク (SSHSNet) という2段階のアルゴリズムを提案し, 同時椎体 (VBs) と椎間板 (IVDs) のセグメンテーションを実現する。まず,2次元半監督型DeepLabv3+をクロス擬似監督を用いて構築し,スライス内特徴と粗いセグメンテーションを得た。 2段目では、3Dフル解像度のパッチベースのDeepLabv3+がスライス間情報を抽出するために構築された。その結果,提案手法はデータ不均衡問題に対処する上で大きな可能性を秘めていることがわかった。
論文参考訳（メタデータ） (2022-03-23T02:57:14Z)
Cross-Modality Brain Tumor Segmentation via Bidirectional Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
論文参考訳（メタデータ） (2021-05-17T10:11:45Z)
Volumetric Medical Image Segmentation: A 3D Deep Coarse-to-fine Framework and Its Adversarial Examples [74.92488215859991]
本稿では,これらの課題に効果的に取り組むために,新しい3Dベースの粗粒度フレームワークを提案する。提案した3Dベースのフレームワークは、3つの軸すべてに沿ってリッチな空間情報を活用できるため、2Dよりも大きなマージンで優れている。我々は,3つのデータセット,NIH膵データセット,JHMI膵データセット,JHMI病理嚢胞データセットについて実験を行った。
論文参考訳（メタデータ） (2020-10-29T15:39:19Z)
Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文参考訳（メタデータ） (2020-10-09T08:22:54Z)

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。