論文の概要: DIAS: A Comprehensive Benchmark for DSA-sequence Intracranial Artery
Segmentation
- arxiv url: http://arxiv.org/abs/2306.12153v1
- Date: Wed, 21 Jun 2023 10:03:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-22 13:59:44.339680
- Title: DIAS: A Comprehensive Benchmark for DSA-sequence Intracranial Artery
Segmentation
- Title(参考訳): DIAS: DSA-sequence intracranial artery Segmentation の総合ベンチマーク
- Authors: Wentao Liu, Tong Tian, Lemeng Wang, Weijin Xu, Haoyuan Li, Wenyi Zhao,
Xipeng Pan, Huihua Yang, Feng Gao, Yiming Deng, and Ruisheng Su
- Abstract要約: 頭蓋内介入療法により120のDSA配列からなる頭蓋内動脈(IA)分節データセットであるDIASを作成した。
このデータセットは、弱教師付きIAセグメンテーション研究のための2種類のスクリブルアノテーションを提供する。
完全,弱弱,半教師付き学習アプローチを用いて,この挑戦的データセットの性能を評価するためのベンチマークを提案する。
- 参考スコア(独自算出の注目度): 9.977922454462853
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic segmentation of the intracranial artery (IA) in digital subtraction
angiography (DSA) sequence is an essential step in diagnosing IA-related
diseases and guiding neuro-interventional surgery. However, the lack of
publicly available datasets has impeded research in this area. In this paper,
we release DIAS, an IA segmentation dataset, consisting of 120 DSA sequences
from intracranial interventional therapy. In addition to pixel-wise
annotations, this dataset provides two types of scribble annotations for weakly
supervised IA segmentation research. We present a comprehensive benchmark for
evaluating the performance of this challenging dataset by utilizing fully-,
weakly-, and semi-supervised learning approaches. Specifically, we propose a
method that incorporates a dimensionality reduction module into a 2D/3D model
to achieve vessel segmentation in DSA sequences. For weakly-supervised
learning, we propose a scribble learning-based image segmentation framework,
SSCR, which comprises scribble supervision and consistency regularization.
Furthermore, we introduce a random patch-based self-training framework that
utilizes unlabeled DSA sequences to improve segmentation performance. Our
extensive experiments on the DIAS dataset demonstrate the effectiveness of
these methods as potential baselines for future research and clinical
applications.
- Abstract(参考訳): デジタルサブトラクション血管造影(DSA)シークエンスにおける頭蓋内動脈(IA)の自動分画は、IA関連疾患の診断と神経インターベンショナル手術の誘導に必須のステップである。
しかし、公開データセットの欠如により、この分野の研究は妨げられている。
本稿では,頭蓋内介入療法から120のDSA配列からなるIAセグメンテーションデータセットであるDIASをリリースする。
画素単位のアノテーションに加えて、このデータセットは弱教師付きIAセグメンテーション研究のための2種類のスクリブルアノテーションを提供する。
完全,弱弱,半教師付き学習アプローチを用いて,この挑戦的データセットの性能を評価するための総合的ベンチマークを提案する。
具体的には,次元還元モジュールを2D/3Dモデルに組み込んでDSA配列の容器分割を実現する手法を提案する。
弱い教師付き学習のために,スクリブルの監督と一貫性の規則化を含む,スクリブル学習に基づく画像分割フレームワークSSCRを提案する。
さらに,ラベルなしのdsaシーケンスを用いてセグメンテーション性能を向上させるランダムパッチベースの自己学習フレームワークを提案する。
DIASデータセットに関する広範な実験により,これらの手法が今後の研究および臨床応用の基盤となる可能性を示す。
関連論文リスト
- Synthetic Data for Robust Stroke Segmentation [0.0]
ディープラーニングに基づくニューロイメージングにおけるセマンティックセグメンテーションは、現在、高解像度スキャンと広範な注釈付きデータセットを必要とする。
そこで我々は,既存のSynthSegアプローチの能力を拡張した,病変分割作業のための新しい合成フレームワークを提案する。
論文 参考訳(メタデータ) (2024-04-02T13:42:29Z) - MPSeg : Multi-Phase strategy for coronary artery Segmentation [9.767759441883008]
冠動脈セグメンテーションのための革新的多相戦略であるMPSegを提案する。
本手法は,これらの構造的複雑度に特化しており,SynTAXスコアの原理に準拠している。
特に, 自動冠状動脈疾患診断では, 異常な効果が認められた。
論文 参考訳(メタデータ) (2023-11-17T03:33:09Z) - 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) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳(メタデータ) (2023-09-03T07:55:46Z) - Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous
Labels [63.415444378608214]
提案手法は, 進歩的半教師付き学習, 適応的学習戦略, 境界拡張など, 革新的な手法を取り入れたものである。
3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標を用いて,本手法の優位性を示す。
論文 参考訳(メタデータ) (2023-08-07T14:16:52Z) - Structure-aware registration network for liver DCE-CT images [50.28546654316009]
セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。
提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
論文 参考訳(メタデータ) (2023-03-08T14:08:56Z) - RAVIR: A Dataset and Methodology for the Semantic Segmentation and
Quantitative Analysis of Retinal Arteries and Veins in Infrared Reflectance
Imaging [7.316426736150123]
Infrared Reflectance (IR) 画像における網膜動脈と静脈のセグメンテーションのための新しいデータセット RAVIR を提案する。
本稿では,網膜動脈と静脈のセマンティックセグメンテーションのための,新しい深層学習手法を提案する。
本実験は,SegRAVIRの有効性を検証し,最先端モデルと比較して優れた性能を示した。
論文 参考訳(メタデータ) (2022-03-28T17:30:29Z) - EndoUDA: A modality independent segmentation approach for endoscopy
imaging [0.7874708385247353]
本稿では,変分オートエンコーダとU-Netを共通なEfficientNet-B4バックボーンに結合するUDAベースのセグメンテーション手法を提案する。
我々は,WLI(ソース)モードのみを用いてトレーニングした場合,NBI(ターゲット)モダリティを未確認のターゲットに一般化できることを示す。
論文 参考訳(メタデータ) (2021-07-12T11:57:33Z) - Towards Robust Partially Supervised Multi-Structure Medical Image
Segmentation on Small-Scale Data [123.03252888189546]
データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。
マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。
本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
論文 参考訳(メタデータ) (2020-11-28T16:31:00Z) - Unsupervised Instance Segmentation in Microscopy Images via Panoptic
Domain Adaptation and Task Re-weighting [86.33696045574692]
病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。
まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。
第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
論文 参考訳(メタデータ) (2020-05-05T11:08:26Z) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳(メタデータ) (2020-03-23T14:35:08Z)
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。