論文の概要: DIAS: A Dataset and Benchmark for Intracranial Artery Segmentation in DSA sequences

• arxiv url: http://arxiv.org/abs/2306.12153v4
• Date: Thu, 13 Jun 2024 14:16:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-15 02:29:06.773932
• Title: DIAS: A Dataset and Benchmark for Intracranial Artery Segmentation in DSA sequences
• Title（参考訳）: DIAS: DSAシークエンスにおける頭蓋内動脈セグメンテーションのためのデータセットとベンチマーク
• Authors: Wentao Liu, Tong Tian, Lemeng Wang, Weijin Xu, Lei Li, Haoyuan Li, Wenyi Zhao, Siyu Tian, Xipeng Pan, Huihua Yang, Feng Gao, Yiming Deng, Xin Yang, Ruisheng Su,
• Abstract要約: 血管形態の定量化にはDSA(Digital Subtraction Angiography)の頭蓋内動脈(IA)が重要である。 現在の研究は、主にプロプライエタリデータセットを使用した単一フレームDSAのセグメンテーションに焦点を当てている。 DSAシークエンスにおけるIAセグメンテーションのためのデータセットであるDIASを紹介する。
• 参考スコア（独自算出の注目度）: 19.61593883367223
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The automated segmentation of Intracranial Arteries (IA) in Digital Subtraction Angiography (DSA) plays a crucial role in the quantification of vascular morphology, significantly contributing to computer-assisted stroke research and clinical practice. Current research primarily focuses on the segmentation of single-frame DSA using proprietary datasets. However, these methods face challenges due to the inherent limitation of single-frame DSA, which only partially displays vascular contrast, thereby hindering accurate vascular structure representation. In this work, we introduce DIAS, a dataset specifically developed for IA segmentation in DSA sequences. We establish a comprehensive benchmark for evaluating DIAS, covering full, weak, and semi-supervised segmentation methods. Specifically, we propose the vessel sequence segmentation network, in which the sequence feature extraction module effectively captures spatiotemporal representations of intravascular contrast, achieving intracranial artery segmentation in 2D+Time DSA sequences. For weakly-supervised IA segmentation, we propose a novel scribble learning-based image segmentation framework, which, under the guidance of scribble labels, employs cross pseudo-supervision and consistency regularization to improve the performance of the segmentation network. Furthermore, we introduce the random patch-based self-training framework, aimed at alleviating the performance constraints encountered in IA segmentation due to the limited availability of annotated DSA data. Our extensive experiments on the DIAS dataset demonstrate the effectiveness of these methods as potential baselines for future research and clinical applications. The dataset and code are publicly available at https://doi.org/10.5281/zenodo.11396520 and https://github.com/lseventeen/DIAS.
• Abstract（参考訳）: DSA(Digital Subtraction Angiography)における頭蓋内動脈の自動分節は血管形態の定量化において重要な役割を担い、コンピュータ支援脳卒中研究や臨床実践に大きく貢献する。 現在の研究は、主にプロプライエタリデータセットを使用した単一フレームDSAのセグメンテーションに焦点を当てている。 しかし、これらの手法は、一部の血管コントラストしか表示しない単一フレームのDSAに固有の制限があり、正確な血管構造の表現を妨げているため、課題に直面している。 本研究では,DSAシークエンスにおけるIAセグメンテーションのためのデータセットであるDIASを紹介する。 完全,弱,半教師付きセグメンテーション手法を網羅し,DIASを評価するための総合ベンチマークを構築した。 具体的には, 血管内コントラストの時空間的表現を効果的に捉え, 2D+Time DSA配列で頭蓋内動脈分節を達成できる血管配列分節ネットワークを提案する。 弱教師付きIAセグメンテーションのために,スクリブルラベルの指導のもと,クロス擬似スーパービジョンと整合性正規化を採用し,セグメンテーションネットワークの性能を向上させる新しいスクリブル学習ベース画像セグメンテーションフレームワークを提案する。 さらに、アノテートDSAデータの可用性が制限されているため、IAセグメンテーションで発生するパフォーマンス制約を軽減することを目的とした、ランダムパッチベースのセルフトレーニングフレームワークを導入する。 DIASデータセットに関する広範な実験は、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ものである。 データセットとコードはhttps://doi.org/10.5281/zenodo.11396520とhttps://github.com/lseventeen/DIASで公開されている。

関連論文リスト

• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
  SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。 SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。 CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
  論文  参考訳（メタデータ） (2024-06-30T14:55:32Z)
• Advancing UWF-SLO Vessel Segmentation with Source-Free Active Domain Adaptation and a Novel Multi-Center Dataset [11.494899967255142]
  UWF-SLO画像における正確な血管セグメンテーションは網膜疾患の診断に不可欠である。 高い解像度のUWF-SLO画像を手動でラベル付けすることは、非常に難しく、時間がかかり、高価な作業である。 本研究では、パッチベースのアクティブドメイン適応アプローチを活用する先駆的なフレームワークを紹介する。
  論文  参考訳（メタデータ） (2024-06-19T15:49:06Z)
• DSCA: A Digital Subtraction Angiography Sequence Dataset and Spatio-Temporal Model for Cerebral Artery Segmentation [26.05396884171782]
  DSAシークエンスに基づく脳動脈セグメンテーションデータセット(DSCA)を提案する。 単一のフレームにのみフォーカスする既存のDSAセグメンテーション手法とは異なり、提案されたDSANetでは、複数のフレームにまたがる動的血管の詳細をキャプチャするための、個別のテンポラリエンコーディングブランチが導入されている。 大規模な実験により、DSANetはCAセグメンテーションにおいて他の最先端の手法よりも優れており、Dice は 0.9033 である。
  論文  参考訳（メタデータ） (2024-06-01T07:35:21Z)
• 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)
• SDC-UDA: Volumetric Unsupervised Domain Adaptation Framework for Slice-Direction Continuous Cross-Modality Medical Image Segmentation [8.33996223844639]
  SDC-UDAは,スライス指向連続型医療画像セグメンテーションのためのフレームワークである。 これは、スライス内およびスライス間自己強調画像翻訳、不確実性に制約された擬似ラベルの精細化、容積的自己訓練を組み合わせたものである。 我々は,SDC-UDAを複数の一般公開医療画像セグメンテーションデータセットで検証し,最先端セグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2023-05-18T14:44:27Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• PCA: Semi-supervised Segmentation with Patch Confidence Adversarial Training [52.895952593202054]
  医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。 PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。 本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
  論文  参考訳（メタデータ） (2022-07-24T07:45:47Z)
• 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)
• Weak Supervision in Convolutional Neural Network for Semantic Segmentation of Diffuse Lung Diseases Using Partially Annotated Dataset [2.239917051803692]
  5種類の肺疾患に対するセマンティックセグメンテーションモデルを構築した。 この研究で考慮されたDLDは、凝縮、ガラス不透明度、ハニカム、気腫、正常である。 部分的に注釈付けされたデータセットを効果的に活用する新しい弱い監視手法を提案する。
  論文  参考訳（メタデータ） (2020-02-27T06:17:11Z)

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。