論文の概要: Shape-Margin Knowledge Augmented Network for Thyroid Nodule Segmentation
and Diagnosis
- arxiv url: http://arxiv.org/abs/2308.15386v1
- Date: Tue, 29 Aug 2023 15:29:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 13:20:43.729733
- Title: Shape-Margin Knowledge Augmented Network for Thyroid Nodule Segmentation
and Diagnosis
- Title（参考訳）: 甲状腺結節分節・診断のための形状マージン知識拡張ネットワーク
- Authors: Weihua Liu, Chaochao Lin
- Abstract要約: 本稿では,甲状腺結節の分節と診断を同時に行うための形状マージン知識拡張ネットワーク(SkaNet)を提案する。
SkaNetは、特徴抽出段階における視覚的特徴を共有し、二重ブランチアーキテクチャを使用して甲状腺結節分節と診断タスクを同時に実行する。
数値計算により形状とマージンの特徴を埋め込み、甲状腺結節診断結果とセグメンテーションマスクの関係をモデル化する。
- 参考スコア（独自算出の注目度）: 0.788657961743755
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Thyroid nodule segmentation is a crucial step in the diagnostic procedure of
physicians and computer-aided diagnosis systems. Mostly, current studies treat
segmentation and diagnosis as independent tasks without considering the
correlation between these tasks. The sequence steps of these independent tasks
in computer-aided diagnosis systems may lead to the accumulation of errors.
Therefore, it is worth combining them as a whole through exploring the
relationship between thyroid nodule segmentation and diagnosis. According to
the thyroid imaging reporting and data system (TI-RADS), the assessment of
shape and margin characteristics is the prerequisite for the discrimination of
benign and malignant thyroid nodules. These characteristics can be observed in
the thyroid nodule segmentation masks. Inspired by the diagnostic procedure of
TI-RADS, this paper proposes a shape-margin knowledge augmented network
(SkaNet) for simultaneously thyroid nodule segmentation and diagnosis. Due to
the similarity in visual features between segmentation and diagnosis, SkaNet
shares visual features in the feature extraction stage and then utilizes a
dual-branch architecture to perform thyroid nodule segmentation and diagnosis
tasks simultaneously. To enhance effective discriminative features, an
exponential mixture module is devised, which incorporates convolutional feature
maps and self-attention maps by exponential weighting. Then, SkaNet is jointly
optimized by a knowledge augmented multi-task loss function with a constraint
penalty term. It embeds shape and margin characteristics through numerical
computation and models the relationship between the thyroid nodule diagnosis
results and segmentation masks.
- Abstract（参考訳）: 甲状腺結節分節は、医師やコンピュータ支援診断システムの診断における重要なステップである。
主に、これらのタスク間の相関を考慮せずに、独立したタスクとしてセグメンテーションと診断を扱う。
コンピュータ支援診断システムにおけるこれらの独立したタスクのシーケンスステップは、エラーの蓄積につながる可能性がある。
そのため甲状腺結節分画と診断との関係を探究して総合的に組み合わせる価値がある。
甲状腺画像診断・データシステム(TI-RADS)によると, 良性および悪性甲状腺結節の鑑別には, 形状とマージン特性の評価が必須である。
これらの特徴は甲状腺結節セグメンテーションマスクで観察できる。
TI-RADSの診断に触発されて,甲状腺結節の分節と診断を同時に行う形状の知識拡張ネットワーク(SkaNet)を提案する。
セグメンテーションと診断の視覚的特徴の類似性により、skanetは特徴抽出段階における視覚的特徴を共有し、デュアルブランチアーキテクチャを使用して甲状腺結節と診断を同時に行う。
効率的な識別的特徴を高めるため,指数重み付けによる畳み込み特徴写像と自己注意写像を組み込んだ指数混合モジュールが考案された。
そして、制約ペナルティ項を有する知識強化マルチタスク損失関数により、skanetを共同で最適化する。
形状とマージン特性を数値計算により埋め込み,甲状腺結節診断結果とセグメンテーションマスクとの関係をモデル化する。
関連論文リスト
- Diagnosis and Pathogenic Analysis of Autism Spectrum Disorder Using Fused Brain Connection Graph [14.00990852115585]
マルチモーダル磁気共鳴画像(MRI)データを用いた自閉症スペクトラム障害(ASD)の診断モデルを提案する。
提案手法はDTIと機能MRIの脳接続データを統合し,融合グラフ分類にグラフニューラルネットワーク(GNN)を用いる。
両モード融合脳グラフ上で,ネットワークノードの中央性,計算度,部分グラフ,固有ベクトル中心性を解析し,ASDに関連付けられた病理領域を同定する。
論文 参考訳（メタデータ） (2024-09-22T01:23:46Z) - Cross-modality Guidance-aided Multi-modal Learning with Dual Attention
for MRI Brain Tumor Grading [47.50733518140625]
脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。
本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
論文 参考訳（メタデータ） (2024-01-17T07:54:49Z) - Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。
半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文 参考訳（メタデータ） (2023-12-26T12:56:31Z) - Diagnosis Of Takotsubo Syndrome By Robust Feature Selection From The
Complex Latent Space Of DL-based Segmentation Network [4.583480375083946]
医学における分類モデルやセグメンテーションモデルを用いて、潜伏した特徴を学習し、堅牢な特徴選択をオプトアウトし、過度な適合につながる可能性がある。
本稿では,診断を支援するセグメンテーションモデルの潜在空間を用いた特徴選択手法を提案する。
診断精度82%が従来のSOTA (State-of-the-art) を上回り, 心疾患の鑑別診断に有用であった。
論文 参考訳（メタデータ） (2023-12-19T22:53:32Z) - Ultrasound Image Segmentation of Thyroid Nodule via Latent Semantic
Feature Co-Registration [12.211161441766532]
本稿では,甲状腺結節分節の枠組みであるASTNを提案する。
アトラスおよび対象画像から潜在意味情報を抽出することにより、解剖学的構造の整合性を確保することができる。
また,共同登録の難しさを軽減するために,アトラス選択アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-13T16:18:48Z) - 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) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。
また、TNCD: Thyroid Nodule Classification データセットも提供します。
論文 参考訳（メタデータ） (2022-07-02T11:50:02Z) - SeATrans: Learning Segmentation-Assisted diagnosis model via Transforme [13.63128987400635]
本稿では,視覚支援型診断変換器(SeATrans)を提案する。
まず、各低レベル診断特徴とマルチスケールセグメンテーション特徴とを相関させる非対称なマルチスケールインタラクション戦略を提案する。
セグメンテーション-診断相互作用をモデル化するために、SeAブロックはまず、エンコーダを介してセグメンテーション情報に基づいて診断特徴を埋め込み、デコーダによりその埋め込みを診断特徴空間に戻す。
論文 参考訳（メタデータ） (2022-06-12T15:10:33Z) - Outlier-based Autism Detection using Longitudinal Structural MRI [6.311381904410801]
本稿では, 構造的磁気共鳴画像(sMRI)に基づく自閉症スペクトラム障害の診断を, 異常検出手法を用いて提案する。
GAN(Generative Adversarial Network)は、健康な被験者のsMRIスキャンでのみ訓練される。
実験の結果、ASD検出フレームワークは最先端のトレーニングデータと互換性があり、トレーニングデータもはるかに少ないことがわかった。
論文 参考訳（メタデータ） (2022-02-21T04:37:25Z) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳（メタデータ） (2020-05-06T15:19:15Z)
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。