Fugu-MT 論文翻訳(概要): Inferior Alveolar Nerve Segmentation in CBCT images using Connectivity-Based Selective Re-training

論文の概要: Inferior Alveolar Nerve Segmentation in CBCT images using Connectivity-Based Selective Re-training

arxiv url: http://arxiv.org/abs/2308.09298v1
Date: Fri, 18 Aug 2023 04:48:23 GMT
ステータス: 処理完了
システム内更新日: 2023-08-21 14:34:54.476410
Title: Inferior Alveolar Nerve Segmentation in CBCT images using Connectivity-Based Selective Re-training
Title（参考訳）: コネクティビティに基づく選択的再訓練によるcbct画像下歯槽神経節形成
Authors: Yusheng Liu, Rui Xin, Tao Yang and Lisheng Wang
Abstract要約: Inferior Alveolar Nerve (IAN) canal detection in CBCT is a important step in many Dental and maxillofacial surgery application。 ToothFairy2023 Challengeは、すべてのスパースラベルと部分密度ラベルからなる3次元顎顔面データセットを確立することを目的としている。擬似ラベリングによる自己学習に着想を得て,IAN接続に基づく選択的再学習フレームワークを提案する。
参考スコア（独自算出の注目度）: 9.15971170814049
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Inferior Alveolar Nerve (IAN) canal detection in CBCT is an important step in many dental and maxillofacial surgery applications to prevent irreversible damage to the nerve during the procedure.The ToothFairy2023 Challenge aims to establish a 3D maxillofacial dataset consisting of all sparse labels and partial dense labels, and improve the ability of automatic IAN segmentation. In this work, in order to avoid the negative impact brought by sparse labeling, we transform the mixed supervised problem into a semi-supervised problem. Inspired by self-training via pseudo labeling, we propose a selective re-training framework based on IAN connectivity. Our method is quantitatively evaluated on the ToothFairy verification cases, achieving the dice similarity coefficient (DSC) of 0.7956, and 95\% hausdorff distance (HD95) of 4.4905, and wining the champion in the competition. Code is available at https://github.com/GaryNico517/SSL-IAN-Retraining.
Abstract（参考訳）: Inferior Alveolar Nerve (IAN) canal detection in CBCT (Inferior Alveolar Nerve) is an important step for many Dental and Maxillofacial surgery application to prevent irreversible damage to the nerve during the procedure. the ToothFairy2023 Challengeは、すべてのスパースラベルと部分密度ラベルからなる3次元顎顔面データセットを構築し、自動IANセグメンテーションの能力を向上させることを目的としている。本研究では,スパースラベリングによる負の影響を避けるため,混合教師付き問題を半教師付き問題に変換する。擬似ラベリングによる自己学習に着想を得て,IAN接続に基づく選択的再学習フレームワークを提案する。本手法は, 歯石検査症例において定量的に評価され, 0.7956 のサイス類似度係数 (dsc) と 4.4905 の 95\% ハウスドルフ距離 (hd95) を達成し, コンペティションでチャンピオンを獲得した。コードはhttps://github.com/garynico517/ssl-ian-retrainingで入手できる。

関連論文リスト

Beyond Strong labels: Weakly-supervised Learning Based on Gaussian Pseudo Labels for The Segmentation of Ellipse-like Vascular Structures in Non-contrast CTs [4.765753560367118]
本稿では,CTスキャンにおける血管構造に基づく深層学習のための弱教師付きフレームワークを提案する。提案手法の有効性を1つのローカルデータセットと2つのパブリックデータセットで評価する。
論文参考訳（メタデータ） (2024-02-05T20:08:53Z)
Teeth Localization and Lesion Segmentation in CBCT Images using SpatialConfiguration-Net and U-Net [0.4915744683251149]
歯の局所化と根尖部病変の分節化は臨床診断と治療計画にとって重要な課題である。本研究では,2つの畳み込みニューラルネットワークを用いた深層学習手法を提案する。この方法は、歯の局所化に対する97.3%の精度と、それぞれ0.97および0.88の有望な感度と特異性を達成し、その後の病変検出を行う。
論文参考訳（メタデータ） (2023-12-19T14:23:47Z)
USL-Net: Uncertainty Self-Learning Network for Unsupervised Skin Lesion Segmentation [7.323593316293092]
皮膚病変のセグメンテーションのために設計された革新的不確実性自己学習ネットワーク(USL-Net)を導入する。 USL-Netは、手動ラベリングガイダンスの必要をなくし、様々な病変を効果的に分割することができる。我々は、フォアグラウンドの擬似ラベルを洗練し、ノイズによる誤りを低減するために、接続検出と集中検出を用いる。
論文参考訳（メタデータ） (2023-09-23T07:08:57Z)
Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文参考訳（メタデータ） (2023-08-31T00:36:10Z)
Cross-Dataset Adaptation for Instrument Classification in Cataract Surgery Videos [54.1843419649895]
特定のデータセットでこのタスクをうまく実行する最先端モデルでは、別のデータセットでテストすると、パフォーマンスが低下する。本稿では,Barlow Adaptorと呼ばれる新しいエンドツーエンドのUnsupervised Domain Adaptation (UDA)手法を提案する。さらに,BFAL(Barlow Feature Alignment Loss)と呼ばれる,異なるドメインにまたがる特徴を整列させる新たな損失を導入する。
論文参考訳（メタデータ） (2023-07-31T18:14:18Z)
Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文参考訳（メタデータ） (2022-12-01T07:32:56Z)
S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
本稿では,ラベルノイズの存在下での分類の問題に対処する。提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
論文参考訳（メタデータ） (2021-11-22T15:49:20Z)
Uncertainty-Aware Temporal Self-Learning (UATS): Semi-Supervised Learning for Segmentation of Prostate Zones and Beyond [4.4289175002010595]
CNNベースのコンセプトは、前立腺の自動分割と、その粗い部分分割を移行ゾーン(TZ)と周辺ゾーン(PZ)に導入しています。 tz, pz, 遠位前立腺尿道(dpu)および前線維筋ストロマ(afs)の細粒化を標的とした場合, 課題はより困難になるそこで本研究では,半教師付き学習手法である不確実性認識時間学習を応用し,コストと時間を要する手話の真理ラベリングを克服する。
論文参考訳（メタデータ） (2021-04-08T15:31:57Z)
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)
Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文参考訳（メタデータ） (2020-06-25T21:10:04Z)
Cross-denoising Network against Corrupted Labels in Medical Image Segmentation with Domain Shift [28.940670115918728]
ドメインシフトとラベルの破損に対処するために2つのピアネットワークを用いた新しいクロスデノベーションフレームワークを提案する。具体的には、各ネットワークはメンターとして機能し、相互に監督され、ピアネットワークが選択した信頼性の高いサンプルから学習し、破損したラベルと戦う。さらに, 各種ノイズ汚染ラベルの下で, キー位置を捕捉し, 差分をフィルタリングするようネットワークに促すため, 耐雑音損失が提案されている。
論文参考訳（メタデータ） (2020-06-19T07:35:25Z)

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。