論文の概要: Attention-based CT Scan Interpolation for Lesion Segmentation of
Colorectal Liver Metastases
- arxiv url: http://arxiv.org/abs/2308.15932v1
- Date: Wed, 30 Aug 2023 10:21:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-31 13:43:56.162842
- Title: Attention-based CT Scan Interpolation for Lesion Segmentation of
Colorectal Liver Metastases
- Title(参考訳): 大腸癌肝転移病変に対するアテンションベースのCTスキャン補間
- Authors: Mohammad Hamghalam, Richard K. G. Do, and Amber L. Simpson
- Abstract要約: 大腸癌 (CRLM) に共通する小肝病変は, 畳み込みニューラルネットワーク (CNN) セグメンテーションモデルでは困難である。
我々は,CTスキャンにおける連続3重スライスから中間スライスを生成する,教師なしアテンションベースモデルを提案する。
モデルの出力は元の入力スライスと一致し、2つの最先端3Dセグメンテーションパイプラインにおけるセグメンテーション性能を向上する。
- 参考スコア(独自算出の注目度): 2.680862925538592
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Small liver lesions common to colorectal liver metastases (CRLMs) are
challenging for convolutional neural network (CNN) segmentation models,
especially when we have a wide range of slice thicknesses in the computed
tomography (CT) scans. Slice thickness of CT images may vary by clinical
indication. For example, thinner slices are used for presurgical planning when
fine anatomic details of small vessels are required. While keeping the
effective radiation dose in patients as low as possible, various slice
thicknesses are employed in CRLMs due to their limitations. However,
differences in slice thickness across CTs lead to significant performance
degradation in CT segmentation models based on CNNs. This paper proposes a
novel unsupervised attention-based interpolation model to generate intermediate
slices from consecutive triplet slices in CT scans. We integrate segmentation
loss during the interpolation model's training to leverage segmentation labels
in existing slices to generate middle ones. Unlike common interpolation
techniques in CT volumes, our model highlights the regions of interest (liver
and lesions) inside the abdominal CT scans in the interpolated slice. Moreover,
our model's outputs are consistent with the original input slices while
increasing the segmentation performance in two cutting-edge 3D segmentation
pipelines. We tested the proposed model on the CRLM dataset to upsample
subjects with thick slices and create isotropic volume for our segmentation
model. The produced isotropic dataset increases the Dice score in the
segmentation of lesions and outperforms other interpolation approaches in terms
of interpolation metrics.
- Abstract(参考訳): 大腸肝転移(CRLM)に共通する小さな肝病変は,特にCTスキャンにおいて広範囲のスライス厚を有する場合,畳み込みニューラルネットワーク(CNN)セグメンテーションモデルでは困難である。
CT画像のスライス厚は臨床所見によって異なる場合がある。
例えば、小血管の微細な解剖学的詳細が必要な場合、より細いスライスを用いる。
患者に対する効果的な放射線線量を維持する一方で、その限界のために様々なスライス厚がCRLMに使用されている。
しかし,CT間のスライス厚の違いは,CNNに基づくCTセグメント化モデルの性能低下を招いた。
本稿では,ctスキャンで連続するトリプレットスライスから中間スライスを生成するための教師なし注意に基づく補間モデルを提案する。
補間モデルのトレーニング中にセグメンテーション損失を統合し、既存のスライス中のセグメンテーションラベルを利用して中間スライスを生成する。
CTボリュームの一般的な補間法とは異なり、本モデルは補間スライス中の腹部CTスキャンの関心領域(脂肪と病変)を強調している。
さらに, モデルの出力は, 2つの切削エッジ3次元セグメンテーションパイプラインにおけるセグメンテーション性能を高めつつ, 元の入力スライスと一致している。
提案したモデルをCRLMデータセット上でテストし,被検体を厚いスライスでサンプリングし,セグメンテーションモデルのための等方体積を生成する。
生成された等方性データセットは、病変のセグメンテーションにおけるdiceスコアを増加させ、補間メトリックスの観点から他の補間アプローチを上回る。
関連論文リスト
- 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) - 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) - Anatomically constrained CT image translation for heterogeneous blood
vessel segmentation [3.88838725116957]
造影CT(ceCT)画像の解剖学的構造は, 造影剤拡散の変動により, 分画が困難になる可能性がある。
放射線線量を制限するために、生成モデルは1つのモダリティを合成するために用いられる。
CycleGANは、ペアデータの必要性を軽減するため、特に注目を集めている。
本稿では,高忠実度画像を生成するためのCycleGANの拡張について述べる。
論文 参考訳(メタデータ) (2022-10-04T16:14:49Z) - SD-LayerNet: Semi-supervised retinal layer segmentation in OCT using
disentangled representation with anatomical priors [4.2663199451998475]
網膜層セグメンテーションタスクに半教師付きパラダイムを導入する。
特に、表面位置回帰をピクセル単位で構造化されたセグメンテーションに変換するために、新しい完全微分可能なアプローチが用いられる。
並行して,ラベル付きデータの限られた量が利用できる場合に,ネットワークトレーニングを改善するための解剖学的事前セットを提案する。
論文 参考訳(メタデータ) (2022-07-01T14:30:59Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳(メタデータ) (2022-04-19T10:41:09Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳(メタデータ) (2021-12-20T03:38:37Z) - Automatic size and pose homogenization with spatial transformer network
to improve and accelerate pediatric segmentation [51.916106055115755]
空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。
私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。
腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
論文 参考訳(メタデータ) (2021-07-06T14:50:03Z) - Rethinking the Extraction and Interaction of Multi-Scale Features for
Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。
PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文 参考訳(メタデータ) (2020-10-09T08:22:54Z) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳(メタデータ) (2020-09-10T01:57:53Z) - Implanting Synthetic Lesions for Improving Liver Lesion Segmentation in
CT Exams [0.0]
我々は,CTスライスに現実的な病変を移植し,リッチで制御可能なトレーニングサンプルセットを提供する。
以上の結果から,CTスライスにおける肝病変の分節モデルの性能向上が示唆された。
論文 参考訳(メタデータ) (2020-08-11T13:23:04Z) - A$^3$DSegNet: Anatomy-aware artifact disentanglement and segmentation
network for unpaired segmentation, artifact reduction, and modality
translation [18.500206499468902]
CBCT画像は, ノイズ, 組織コントラストの低下, 金属物の存在により, 品質が低く, 人工物が混入している。
脊椎のアノテーションを付加した、人工物のない高品質なCT画像が豊富に存在する。
CBCT椎体分割モデルの構築には, アノテーションを付加した未確認CT画像が有用である。
論文 参考訳(メタデータ) (2020-01-02T06:37:09Z)
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。