論文の概要: Weakly supervised segmentation of intracranial aneurysms using a 3D
focal modulation UNet
- arxiv url: http://arxiv.org/abs/2308.03001v1
- Date: Sun, 6 Aug 2023 03:28:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 17:18:31.405756
- Title: Weakly supervised segmentation of intracranial aneurysms using a 3D
focal modulation UNet
- Title(参考訳): 3次元局所変調UNetを用いた頭蓋内大動脈瘤の弱制御セグメンテーション
- Authors: Amirhossein Rasoulian, Soorena Salari, Yiming Xiao
- Abstract要約: 頭蓋内動脈瘤(UIAs)は脳血管障害のリスク評価と治療決定に不可欠である。
3次元磁気共鳴血管造影(MRA)による大動脈瘤の2次元手技による評価は、準最適であり、時間を要する。
本稿では,FocalSegNetと呼ばれる新しい3次元焦点変調UNetと条件付きランダムフィールド(CRF)後処理を提案し,Diceスコアが0.68、Hausdorff距離が95%である。
- 参考スコア(独自算出の注目度): 1.0026496861838445
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Accurate identification and quantification of unruptured intracranial
aneurysms (UIAs) are essential for the risk assessment and treatment decisions
of this cerebrovascular disorder. Current assessment based on 2D manual
measures of aneurysms on 3D magnetic resonance angiography (MRA) is sub-optimal
and time-consuming. Automatic 3D measures can significantly benefit the
clinical workflow and treatment outcomes. However, one major issue in medical
image segmentation is the need for large well-annotated data, which can be
expensive to obtain. Techniques that mitigate the requirement, such as weakly
supervised learning with coarse labels are highly desirable. In this paper, we
leverage coarse labels of UIAs from time-of-flight MRAs to obtain refined UIAs
segmentation using a novel 3D focal modulation UNet, called FocalSegNet and
conditional random field (CRF) postprocessing, with a Dice score of 0.68 and
95% Hausdorff distance of 0.95 mm. We evaluated the performance of the proposed
algorithms against the state-of-the-art 3D UNet and Swin-UNETR, and
demonstrated the superiority of the proposed FocalSegNet and the benefit of
focal modulation for the task.
- Abstract(参考訳): 脳血管障害のリスク評価と治療決定には,未破裂脳動脈瘤(UIAs)の正確な同定と定量化が不可欠である。
3次元磁気共鳴血管造影(MRA)による大動脈瘤の2次元手技による評価は準最適で時間を要する。
自動3D計測は、臨床ワークフローと治療結果に大きな恩恵をもたらす。
しかし、医用画像セグメンテーションにおける大きな問題の1つは、大量の注釈付きデータが必要であることである。
粗いラベルを用いた弱い教師付き学習などの要件を緩和する技術は非常に望ましい。
本稿では,FocalSegNet(FocalSegNet)と呼ばれる新しい3次元焦点変調UNetと条件付き乱数場(CRF)後処理によるUIAの粗いラベルを取得し,Diceスコアが0.68、Hausdorff距離が95%である。
本研究では,最先端の3d unet と swin-unetr に対する提案アルゴリズムの性能を評価し,提案するfocalsegnetの優位性とタスクに対する焦点変調の利点を実証した。
関連論文リスト
- Enhancing Weakly Supervised 3D Medical Image Segmentation through
Probabilistic-aware Learning [52.249748801637196]
3次元医用画像のセグメンテーションは、疾患の診断と治療計画に重要な意味を持つ課題である。
近年の深層学習の進歩は、完全に教師付き医療画像のセグメンテーションを著しく強化している。
本稿では,3次元医用画像に特化して設計された,確率的適応型弱教師付き学習パイプラインを提案する。
論文 参考訳(メタデータ) (2024-03-05T00:46:53Z) - CV-Attention UNet: Attention-based UNet for 3D Cerebrovascular
Segmentation of Enhanced TOF-MRA Images [2.5311562666866494]
脳血管画像の正確な抽出にはCV-AttentionUNetと呼ばれる3次元脳血管注意UNet法を提案する。
低と高のセマンティクスを組み合わせるために,注意機構を適用した。
このアルゴリズムの新規性は、ラベル付きデータとラベルなしデータの両方でうまく機能する能力にあると考えています。
論文 参考訳(メタデータ) (2023-11-16T22:31:05Z) - FocalErrorNet: Uncertainty-aware focal modulation network for
inter-modal registration error estimation in ultrasound-guided neurosurgery [3.491999371287298]
術中組織変形(脳シフトと呼ばれる)は、手術対象を移動させ、手術前の計画が無効になる可能性がある。
脳腫瘍手術におけるMRI-iUS登録誤差を正確に評価するために,3次元焦点変調に基づく新しい深層学習手法を提案する。
論文 参考訳(メタデータ) (2023-07-26T21:42:22Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳(メタデータ) (2022-03-01T17:08:41Z) - DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI
Segmentation [0.0]
本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。
提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
論文 参考訳(メタデータ) (2021-05-17T15:43:59Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳(メタデータ) (2020-12-16T07:11:16Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳(メタデータ) (2020-10-19T13:56:22Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z) - Segmentation-free Estimation of Aortic Diameters from MRI Using Deep
Learning [2.231365407061881]
大動脈径の直接推定のための教師付き深層学習法を提案する。
提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。
全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
論文 参考訳(メタデータ) (2020-09-09T18:28:00Z) - Automated Segmentation of Brain Gray Matter Nuclei on Quantitative
Susceptibility Mapping Using Deep Convolutional Neural Network [16.733578721523898]
脳皮質下核の鉄蓄積異常は、様々な神経変性疾患と相関していると報告されている。
本稿では3次元畳み込みニューラルネットワーク(CNN)に基づく2分岐残基構造U-Net(DB-ResUNet)を提案する。
論文 参考訳(メタデータ) (2020-08-03T14:32:30Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳(メタデータ) (2020-04-26T08:49:17Z)
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。