論文の概要: LegoNet: Alternating Model Blocks for Medical Image Segmentation
- arxiv url: http://arxiv.org/abs/2306.03494v1
- Date: Tue, 6 Jun 2023 08:22:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 16:32:39.387683
- Title: LegoNet: Alternating Model Blocks for Medical Image Segmentation
- Title（参考訳）: LegoNet:医療画像セグメンテーションのための代替モデルブロック
- Authors: Ikboljon Sobirov, Cheng Xie, Muhammad Siddique, Parijat Patel, Kenneth
Chan, Thomas Halborg, Christos Kotanidis, Zarqiash Fatima, Henry West, Keith
Channon, Stefan Neubauer, Charalambos Antoniades, and Mohammad Yaqub
- Abstract要約: 我々は、レゴブロックを組み立てる方法を模倣して、新しいアーキテクチャを生成するために、構造的に異なるブロックの種類を交互に提案する。
CNNベースの2つのブロックとSwinViTベースのブロックを用いて、医療画像における分割タスクにブロック変更という新しい概念を適用した、いわゆるLegoNetの3つのバリエーションを調査した。
- 参考スコア（独自算出の注目度）: 0.7550390281305251
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Since the emergence of convolutional neural networks (CNNs), and later vision
transformers (ViTs), the common paradigm for model development has always been
using a set of identical block types with varying parameters/hyper-parameters.
To leverage the benefits of different architectural designs (e.g. CNNs and
ViTs), we propose to alternate structurally different types of blocks to
generate a new architecture, mimicking how Lego blocks can be assembled
together. Using two CNN-based and one SwinViT-based blocks, we investigate
three variations to the so-called LegoNet that applies the new concept of block
alternation for the segmentation task in medical imaging. We also study a new
clinical problem which has not been investigated before, namely the right
internal mammary artery (RIMA) and perivascular space segmentation from
computed tomography angiography (CTA) which has demonstrated a prognostic value
to major cardiovascular outcomes. We compare the model performance against
popular CNN and ViT architectures using two large datasets (e.g. achieving
0.749 dice similarity coefficient (DSC) on the larger dataset). We evaluate the
performance of the model on three external testing cohorts as well, where an
expert clinician made corrections to the model segmented results (DSC>0.90 for
the three cohorts). To assess our proposed model for suitability in clinical
use, we perform intra- and inter-observer variability analysis. Finally, we
investigate a joint self-supervised learning approach to assess its impact on
model performance. The code and the pretrained model weights will be available
upon acceptance.
- Abstract（参考訳）: 畳み込みニューラルネットワーク(cnns)や後の視覚トランスフォーマー(vits)が出現して以来、モデル開発における一般的なパラダイムは、パラメータやハイパーパラメータの異なる同一のブロックタイプを使用してきた。
異なるアーキテクチャ設計(例えばCNNやViT)の利点を活用するため、レゴブロックを組み立てる方法を模した新しいアーキテクチャを生成するために、構造的に異なるタイプのブロックを代替することを提案する。
CNNベースの2つのブロックとSwinViTベースのブロックを用いて、医療画像における分割タスクにブロック変更という新しい概念を適用した、いわゆるLegoNetの3つのバリエーションを調査した。
また,右内乳頭動脈 (RIMA) とCTA (Computed tomography angiography) による血管周囲空間の分画について検討した。
2つの大きなデータセット(例えば、より大きなデータセットで 0.749 dice similarity coefficient (dsc) を達成する)を使用して、人気のあるcnnとvitアーキテクチャと比較した。
3つの外部テストコホートにおけるモデルの性能を評価するとともに,専門家臨床医がモデルセグメンテーション結果(3つのコホートに対するdsc>0.90)を補正した。
臨床応用における適合性モデルを評価するため,サーバ内およびサーバ間変動解析を行った。
最後に,モデル性能への影響を評価するための自己教師あり学習手法について検討した。
コードと事前訓練されたモデルの重み付けは、受け入れ次第利用できる。
関連論文リスト
- Architecture Analysis and Benchmarking of 3D U-shaped Deep Learning Models for Thoracic Anatomical Segmentation [0.8897689150430447]
3次元U型モデルの変種に対する最初の系統的ベンチマーク研究を行う。
本研究では,異なる注意機構,解像度ステージ数,ネットワーク構成がセグメンテーション精度および計算複雑性に与える影響について検討した。
論文 参考訳（メタデータ） (2024-02-05T17:43:02Z) - Unlocking the Heart Using Adaptive Locked Agnostic Networks [4.613517417540153]
医用画像アプリケーションのためのディープラーニングモデルの教師付きトレーニングには、かなりの量のラベル付きデータが必要である。
この制限に対処するため、Adaptive Locked Agnostic Network (ALAN)を導入する。
ALANは、大きなバックボーンモデルを用いて、堅牢なセマンティック・セグメンテーションを生成する自己教師付き視覚特徴抽出を含む。
自監督型背骨モデルでは, 心臓の解剖学的部分領域を円錐四面体視で強く同定することがわかった。
論文 参考訳（メタデータ） (2023-09-21T09:06:36Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - Prompt Tuning for Parameter-efficient Medical Image Segmentation [79.09285179181225]
2つの医用画像データセットのセマンティックセグメンテーションにパラメータ効率が良いが効果的な適応を実現するために,いくつかのコントリビューションを提案し,検討する。
我々はこのアーキテクチャを、オンライン生成プロトタイプへの割り当てに基づく専用密集型セルフスーパービジョンスキームで事前訓練する。
得られたニューラルネットワークモデルにより、完全に微調整されたモデルとパラメータに適応したモデルとのギャップを緩和できることを実証する。
論文 参考訳（メタデータ） (2022-11-16T21:55:05Z) - IterMiUnet: A lightweight architecture for automatic blood vessel
segmentation [10.538564380139483]
本稿では,新しい軽量畳み込み型セグメンテーションモデルであるIterMiUnetを提案する。
MiUnetモデルのエンコーダ・デコーダ構造を組み込むことで、その非常にパラメトリズドな性質を克服する。
提案モデルは,多くの疾患の早期診断のためのツールとして活用される可能性が大きい。
論文 参考訳（メタデータ） (2022-08-02T14:33:14Z) - Med-DANet: Dynamic Architecture Network for Efficient Medical Volumetric
Segmentation [13.158995287578316]
我々は,Med-DANetという動的アーキテクチャネットワークを提案し,効率的な精度と効率のトレードオフを実現する。
入力された3次元MRIボリュームのスライス毎に,提案手法は決定ネットワークによってスライス固有の決定を学習する。
提案手法は, 従来の3次元MRI脳腫瘍セグメント化法と比較して, 同等あるいは良好な結果が得られる。
論文 参考訳（メタデータ） (2022-06-14T03:25:58Z) - Automatic size and pose homogenization with spatial transformer network
to improve and accelerate pediatric segmentation [51.916106055115755]
空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。
私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。
腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
論文 参考訳（メタデータ） (2021-07-06T14:50:03Z) - Weakly Supervised 3D Classification of Chest CT using Aggregated
Multi-Resolution Deep Segmentation Features [5.938730586521215]
CT画像の病巣分類は, 症例レベルのアノテーションが原因で, 局所性に乏しい。
マルチレゾリューション・セグメンテーション・フィーチャーマップを用いて学習した意味構造概念を活用する医療分類器を提案する。
論文 参考訳（メタデータ） (2020-10-31T00:16:53Z) - DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。
我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。
皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文 参考訳（メタデータ） (2020-08-19T06:02:46Z) - Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。
また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
論文 参考訳（メタデータ） (2020-07-09T13:23:15Z) - Ensemble Transfer Learning for the Prediction of Anti-Cancer Drug
Response [49.86828302591469]
本稿では,抗がん剤感受性の予測にトランスファーラーニングを適用した。
我々は、ソースデータセット上で予測モデルをトレーニングし、ターゲットデータセット上でそれを洗練する古典的な転送学習フレームワークを適用した。
アンサンブル転送学習パイプラインは、LightGBMと異なるアーキテクチャを持つ2つのディープニューラルネットワーク(DNN)モデルを使用して実装されている。
論文 参考訳（メタデータ） (2020-05-13T20:29:48Z)
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。