論文の概要: Topology-Preserving Automatic Labeling of Coronary Arteries via
Anatomy-aware Connection Classifier
- arxiv url: http://arxiv.org/abs/2307.11959v1
- Date: Sat, 22 Jul 2023 02:08:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 18:49:04.098220
- Title: Topology-Preserving Automatic Labeling of Coronary Arteries via
Anatomy-aware Connection Classifier
- Title(参考訳): anatomy-aware connection classifier による冠動脈のトポロジー保存自動標識
- Authors: Zhixing Zhang, Ziwei Zhao, Dong Wang, Shishuang Zhao, Yuhang Liu, Jia
Liu, Liwei Wang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 22.643271286157688
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatic labeling of coronary arteries is an essential task in the practical
diagnosis process of cardiovascular diseases. For experienced radiologists, the
anatomically predetermined connections are important for labeling the artery
segments accurately, while this prior knowledge is barely explored in previous
studies. In this paper, we present a new framework called TopoLab which
incorporates the anatomical connections into the network design explicitly.
Specifically, the strategies of intra-segment feature aggregation and
inter-segment feature interaction are introduced for hierarchical segment
feature extraction. Moreover, we propose the anatomy-aware connection
classifier to enable classification for each connected segment pair, which
effectively exploits the prior topology among the arteries with different
categories. To validate the effectiveness of our method, we contribute
high-quality annotations of artery labeling to the public orCaScore dataset.
The experimental results on both the orCaScore dataset and an in-house dataset
show that our TopoLab has achieved state-of-the-art performance.
- Abstract(参考訳): 冠動脈の自動ラベリングは、心血管疾患の実用的な診断プロセスにおいて必須の課題である。
経験豊富な放射線学者にとって、解剖学的に規定された接続は動脈セグメントの正確なラベル付けに重要である。
本稿では,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。
具体的には,階層的セグメント特徴抽出のために,セグメント内特徴集合とセグメント間特徴相互作用の戦略を導入する。
さらに,各連結セグメントペアの分類を可能にし,異なるカテゴリの動脈の先行トポロジーを効果的に活用する解剖学・アウェア接続分類器を提案する。
本手法の有効性を検証するため,動脈ラベルの高品質アノテーションをパブリック orCaScore データセットに提供した。
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。
関連論文リスト
- Anatomy-guided Pathology Segmentation [56.883822515800205]
本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。
我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。
これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
論文 参考訳(メタデータ) (2024-07-08T11:44:15Z) - 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) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳(メタデータ) (2023-10-11T05:49:47Z) - Hyper Association Graph Matching with Uncertainty Quantification for
Coronary Artery Semantic Labeling [4.9679652736351905]
ICAを用いた冠状動脈セマンティックラベリングにおける不確実性定量化(HAGMN-UQ)を用いたハイパーアソシエーショングラフマッチングニューラルネットワークの革新的アプローチを提案する。
冠動脈セマンティックラベリングの精度は0.9345,高速推論速度は0。
論文 参考訳(メタデータ) (2023-08-20T16:59:17Z) - Towards Unifying Anatomy Segmentation: Automated Generation of a
Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。
提案手法はラベル集約段階において手作業によるアノテーションに依存しない。
我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
論文 参考訳(メタデータ) (2023-07-25T09:48:13Z) - Partial Vessels Annotation-based Coronary Artery Segmentation with
Self-training and Prototype Learning [17.897934341782843]
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。
論文 参考訳(メタデータ) (2023-07-10T10:42:48Z) - 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) - Deep Feature Fusion via Graph Convolutional Network for Intracranial
Artery Labeling [9.85779770378859]
頭蓋内動脈は、脳に酸素を供給している重要な血管である。
脳動脈の解剖学的ラベル付けにおいて、様々な機械学習アルゴリズムが自動化されている。
本研究では,脳動脈ラベリングのための深部核融合を用いた新しいグラフ畳み込みニューラルネットワークについて検討した。
論文 参考訳(メタデータ) (2022-05-22T06:11:21Z) - 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) - Encoder-Decoder Architectures for Clinically Relevant Coronary Artery
Segmentation [0.0]
冠動脈疾患の診断と治療には,冠動脈X線アンギオグラフィが重要である。
従来のアプローチでは、最適でないセグメンテーション基準を使用しており、あまり有用な結果が得られていない。
本稿では,新しいデコーダアーキテクチャであるEfficientUNet++を用いて,効率的かつ高性能なセグメンテーションモデルを提案する。
論文 参考訳(メタデータ) (2021-06-21T23:32:11Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳(メタデータ) (2020-12-10T04:01:07Z)
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。