論文の概要: Topology Repairing of Disconnected Pulmonary Airways and Vessels: Baselines and a Dataset

• arxiv url: http://arxiv.org/abs/2306.07089v1
• Date: Mon, 12 Jun 2023 13:01:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-13 14:42:23.661590
• Title: Topology Repairing of Disconnected Pulmonary Airways and Vessels: Baselines and a Dataset
• Title（参考訳）: 分断された肺気道・容器のトポロジー修復:ベースラインとデータセット
• Authors: Ziqiao Weng, Jiancheng Yang, Dongnan Liu, Weidong Cai
• Abstract要約: 現在のディープラーニングアプローチは、臨床的有用性を阻害する接続性の問題に悩まされている。 本稿では,データ駆動方式を応用した後処理手法を提案し,非連結肺管構造のトポロジーを修復する。 我々のアプローチは、ニューラルネットワークが非接続なコンポーネントをブリッジできるキーポイントを予測するために訓練されるキーポイント検出タスクとして問題を定式化する。
• 参考スコア（独自算出の注目度）: 19.075001049502394
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate segmentation of pulmonary airways and vessels is crucial for the diagnosis and treatment of pulmonary diseases. However, current deep learning approaches suffer from disconnectivity issues that hinder their clinical usefulness. To address this challenge, we propose a post-processing approach that leverages a data-driven method to repair the topology of disconnected pulmonary tubular structures. Our approach formulates the problem as a keypoint detection task, where a neural network is trained to predict keypoints that can bridge disconnected components. We use a training data synthesis pipeline that generates disconnected data from complete pulmonary structures. Moreover, the new Pulmonary Tree Repairing (PTR) dataset is publicly available, which comprises 800 complete 3D models of pulmonary airways, arteries, and veins, as well as the synthetic disconnected data. Our code and data are available at https://github.com/M3DV/pulmonary-tree-repairing.
• Abstract（参考訳）: 肺疾患の診断と治療には, 肺気道および血管の正確な分断が重要である。 しかし、現在のディープラーニングアプローチは、その臨床的有用性を阻害する分離性の問題に苦しむ。 この課題に対処するために, 分離肺管状構造のトポロジーを修復するためにデータ駆動法を応用した後処理手法を提案する。 我々のアプローチは、ニューラルネットワークが非接続なコンポーネントをブリッジできるキーポイントを予測するために訓練されるキーポイント検出タスクとして問題を定式化する。 完全肺構造から分離したデータを生成するトレーニングデータ合成パイプラインを使用する。 さらに、肺気道、動脈、静脈の800の完全な3Dモデルと合成切断データを含む新しい肺樹修復データセットが公開されている。 私たちのコードとデータはhttps://github.com/m3dv/pulmonary-tree-repairingで入手できます。

関連論文リスト

• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• FunnelNet: An End-to-End Deep Learning Framework to Monitor Digital Heart Murmur in Real-Time [5.408260756721024]
  心室は、心臓内の乱流によって生じる異常な音である。 本研究は,従来型および深部畳み込み型ネットワークを用いた,エンドツーエンドの心臓外傷検出手法を開発することを目的とする。
  論文  参考訳（メタデータ） (2024-05-10T03:12:17Z)
• Automatic lobe segmentation using attentive cross entropy and end-to-end fissure generation [6.0255364788259165]
  トレーニング中の肺線維周囲に注意を払う自動肺葉分画フレームワークを提案する。 また, 補助的肺細管分割作業において, エンドツーエンドの肺細管生成手法も導入した。 プライベートデータセットSTLBとパブリックデータセットLUNA16でそれぞれ97.83%と94.75%のダイススコアを達成した。
  論文  参考訳（メタデータ） (2023-07-24T09:16:05Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
  肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。 しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。 肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
  論文  参考訳（メタデータ） (2022-07-07T04:24:17Z)
• Survival Analysis for Idiopathic Pulmonary Fibrosis using CT Images and Incomplete Clinical Data [17.162038700963418]
  特発性肺線維症(IPF)は線維性肺疾患である。 肺のCTスキャンはIPF患者の臨床的評価を通知し、疾患の進行に関する関連する情報を含む。 臨床および画像データを用いたIPF患者の生存率を予測するために,ニューラルネットワークとメモリバンクを用いたマルチモーダル手法を提案する。
  論文  参考訳（メタデータ） (2022-03-21T23:48:47Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
  本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
  論文  参考訳（メタデータ） (2021-05-06T10:21:28Z)
• Deep LF-Net: Semantic Lung Segmentation from Indian Chest Radiographs Including Severely Unhealthy Images [5.826056983051642]
  胸部X線写真(胸部X線、CxR)は、様々な肺疾患の診断において重要な役割を担っている。 正確な肺分画は、健康問題、年齢、性別による肺の形状のばらつきから非常に困難である。 提案研究は,CxRからの肺の正確な分画に対する効率的な深部畳み込みニューラルネットワークの使用について検討した。
  論文  参考訳（メタデータ） (2020-11-19T07:21:02Z)
• Text Mining to Identify and Extract Novel Disease Treatments From Unstructured Datasets [56.38623317907416]
  Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。 次に、テキストを体系的に前処理するためのパイプラインを構築します。 我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
  論文  参考訳（メタデータ） (2020-10-22T19:52:49Z)

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。