Fugu-MT 論文翻訳(概要): Partial Vessels Annotation-based Coronary Artery Segmentation with Self-training and Prototype Learning

論文の概要: Partial Vessels Annotation-based Coronary Artery Segmentation with Self-training and Prototype Learning

arxiv url: http://arxiv.org/abs/2307.04472v1
Date: Mon, 10 Jul 2023 10:42:48 GMT
ステータス: 処理完了
システム内更新日: 2023-07-11 13:20:45.414224
Title: Partial Vessels Annotation-based Coronary Artery Segmentation with Self-training and Prototype Learning
Title（参考訳）: 自己訓練とプロトタイプ学習による部分血管アノテーションによる冠動脈分割
Authors: Zheng Zhang, Xiaolei Zhang, Yaolei Qi and Guanyu Yang
Abstract要約: 冠動脈セグメンテーションの課題と臨床診断的特徴に基づく部分血管アノテーション(PVA)を提案する。提案手法は,未ラベル領域に知識を伝達するための容器の局所的特徴を学習し,伝播過程に導入された誤りを補正する。 PVA(24.29%の船体)における競合手法よりも優れていることが臨床データから明らかとなった。
参考スコア（独自算出の注目度）: 17.897934341782843
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Coronary artery segmentation on coronary-computed tomography angiography (CCTA) images is crucial for clinical use. Due to the expertise-required and labor-intensive annotation process, there is a growing demand for the relevant label-efficient learning algorithms. To this end, we propose partial vessels annotation (PVA) based on the challenges of coronary artery segmentation and clinical diagnostic characteristics. Further, we propose a progressive weakly supervised learning framework to achieve accurate segmentation under PVA. First, our proposed framework learns the local features of vessels to propagate the knowledge to unlabeled regions. Subsequently, it learns the global structure by utilizing the propagated knowledge, and corrects the errors introduced in the propagation process. Finally, it leverages the similarity between feature embeddings and the feature prototype to enhance testing outputs. Experiments on clinical data reveals that our proposed framework outperforms the competing methods under PVA (24.29% vessels), and achieves comparable performance in trunk continuity with the baseline model using full annotation (100% vessels).
Abstract（参考訳）: 冠動脈造影CT(CCTA)画像における冠動脈セグメンテーションは臨床的に重要である。専門知識と労働集約的なアノテーションプロセスにより、関連するラベル効率の学習アルゴリズムへの需要が高まっている。そこで本研究では,冠状動脈分節化の課題と臨床診断的特徴に基づく部分血管アノテーション(PVA)を提案する。さらに,pva下での正確なセグメンテーションを実現するための,漸進的弱教師付き学習フレームワークを提案する。まず,本提案フレームワークは,未ラベル領域にその知識を広めるための容器の局所的特徴を学習する。その後、伝播知識を利用してグローバル構造を学習し、伝播過程に導入された誤りを補正する。最後に、機能埋め込みと機能プロトタイプの類似性を活用して、テスト出力を強化する。臨床データを用いた実験の結果,提案手法はPVA (24.29%) における競合手法よりも優れており,完全アノテーション (100%) を用いたベースラインモデルのトランク連続性に匹敵する性能を示した。

関連論文リスト

Cross Feature Fusion of Fundus Image and Generated Lesion Map for Referable Diabetic Retinopathy Classification [1.091626241764448]
糖尿病網膜症(DR)は視覚障害の主要な原因であり、早期発見と診断を必要とする。本研究では,伝達学習と相互注意機構を利用した高度な相互学習DR分類法を開発した。 2つの公開データセットを利用して、我々の実験は94.6%の精度を示し、現在の最先端の手法を4.4%上回った。
論文参考訳（メタデータ） (2024-11-06T02:23:38Z)
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)
Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。 Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文参考訳（メタデータ） (2023-11-10T11:49:49Z)
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)
Topology-Preserving Automatic Labeling of Coronary Arteries via Anatomy-aware Connection Classifier [22.643271286157688]
ネットワーク設計に解剖学的接続を明示的に組み込んだTopoLabという新しいフレームワークを提案する。本稿では,各接続セグメントペアの分類を可能にする解剖学的対応型接続分類器を提案する。 orCaScoreデータセットと社内データセットの両方の実験結果は、TopoLabが最先端のパフォーマンスを達成したことを示している。
論文参考訳（メタデータ） (2023-07-22T02:08:27Z)
Learning disentangled representations for explainable chest X-ray classification using Dirichlet VAEs [68.73427163074015]
本研究では,胸部X線像の非絡み合った潜在表現の学習にDirVAE(Dirichlet Variational Autoencoder)を用いることを検討した。 DirVAEモデルにより学習された多モード潜在表現の予測能力について,補助的多ラベル分類タスクの実装により検討した。
論文参考訳（メタデータ） (2023-02-06T18:10:08Z)
LightVessel: Exploring Lightweight Coronary Artery Vessel Segmentation via Similarity Knowledge Distillation [6.544757635738911]
冠状動脈血管分節の簡易化のための類似知識蒸留フレームワークである textbfLightVessel を提案する。セマンティックシフトモデリングのためのFSDモジュール; 学生モデルによりピクセル単位のセマンティック情報を学ぶよう促すASDモジュール。臨床冠動脈血管データセットを用いて行った実験は、LightVesselが様々な知識蒸留よりも優れていることを示した。
論文参考訳（メタデータ） (2022-11-02T05:49:19Z)
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)
An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文参考訳（メタデータ） (2022-04-26T14:20:26Z)
Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文参考訳（メタデータ） (2020-07-18T05:46:47Z)
Joint Learning of Vessel Segmentation and Artery/Vein Classification with Post-processing [27.825969553813092]
血管分節と動脈・静脈の分類は、潜在的な疾患について様々な情報を提供する。我々は、UNetベースのモデルSeqNetを採用し、背景から船舶を正確に分割し、船舶のタイプを予測する。実験の結果,AUCを0.98に改善し,DRIVEデータセットの分類精度は0.92に向上した。
論文参考訳（メタデータ） (2020-05-27T13:06:16Z)

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。