論文の概要: GraphEcho: Graph-Driven Unsupervised Domain Adaptation for
Echocardiogram Video Segmentation
- arxiv url: http://arxiv.org/abs/2309.11145v1
- Date: Wed, 20 Sep 2023 08:44:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-21 16:55:18.777188
- Title: GraphEcho: Graph-Driven Unsupervised Domain Adaptation for
Echocardiogram Video Segmentation
- Title（参考訳）: GraphEcho: 心エコービデオセグメンテーションのためのグラフ駆動型教師なしドメイン適応
- Authors: Jiewen Yang, Xinpeng Ding, Ziyang Zheng, Xiaowei Xu, Xiaomeng Li
- Abstract要約: 本稿では,心エコービデオセグメンテーションにおける教師なし領域適応(UDA)について検討する。
既存のUDAセグメンテーション手法は、局所的な情報や心拍の周期的一貫性をモデル化しないため、このタスクには適していない。
本稿では,新たに収集したCardiacUDAデータセットと,心構造セグメンテーションのための新しいGraphEcho手法を提案する。
- 参考スコア（独自算出の注目度）: 15.8851111502473
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Echocardiogram video segmentation plays an important role in cardiac disease
diagnosis. This paper studies the unsupervised domain adaption (UDA) for
echocardiogram video segmentation, where the goal is to generalize the model
trained on the source domain to other unlabelled target domains. Existing UDA
segmentation methods are not suitable for this task because they do not model
local information and the cyclical consistency of heartbeat. In this paper, we
introduce a newly collected CardiacUDA dataset and a novel GraphEcho method for
cardiac structure segmentation. Our GraphEcho comprises two innovative modules,
the Spatial-wise Cross-domain Graph Matching (SCGM) and the Temporal Cycle
Consistency (TCC) module, which utilize prior knowledge of echocardiogram
videos, i.e., consistent cardiac structure across patients and centers and the
heartbeat cyclical consistency, respectively. These two modules can better
align global and local features from source and target domains, improving UDA
segmentation results. Experimental results showed that our GraphEcho
outperforms existing state-of-the-art UDA segmentation methods. Our collected
dataset and code will be publicly released upon acceptance. This work will lay
a new and solid cornerstone for cardiac structure segmentation from
echocardiogram videos. Code and dataset are available at:
https://github.com/xmed-lab/GraphEcho
- Abstract（参考訳）: 心疾患の診断には心エコービデオセグメンテーションが重要である。
本稿では,心エコー図ビデオセグメンテーションにおける教師なし領域適応(unsupervised domain adaption,uda)について検討する。
既存のUDAセグメンテーション方法は、局所的な情報や心拍の周期的一貫性をモデル化しないため、このタスクには適していない。
本稿では,新たに収集したCardiacUDAデータセットと,心構造セグメンテーションのための新しいGraphEcho手法を提案する。
我々のグラフEchoは、心エコービデオ、すなわち患者とセンター間の一貫した心構造と心拍周期一貫性の事前知識を利用する、空間的クロスドメイングラフマッチング(SCGM)とテンポラルサイクル一貫性(TCC)モジュールの2つの革新的なモジュールから構成されている。
これら2つのモジュールは、ソースドメインとターゲットドメインのグローバルおよびローカル機能を整合させ、udaセグメンテーション結果を改善する。
実験の結果,既存UDAセグメンテーション法よりも高い性能を示した。
収集したデータセットとコードは受け入れ次第公開されます。
この研究は、心エコービデオから心臓構造セグメンテーションのための、新しい堅固な基盤を築き上げる。
コードとデータセットは、https://github.com/xmed-lab/GraphEchoで入手できる。
関連論文リスト
- Training-Free Condition Video Diffusion Models for single frame Spatial-Semantic Echocardiogram Synthesis [0.16874375111244325]
条件付きビデオ拡散モデル(CDM)はビデオ合成に有望な結果を示した。
本稿では,1つの終端セグメントマップからリアルな心エコー画像を生成するFree-Echoという新しい手法を提案する。
我々のモデルでは,入力セグメンテーションマップに空間的に整合したプラウシブル心エコー図を作成でき,トレーニングベースのCDMに匹敵する性能を達成できる。
論文 参考訳（メタデータ） (2024-08-06T08:31:34Z) - Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2023-10-09T05:57:01Z) - Towards Robust Cardiac Segmentation using Graph Convolutional Networks [0.9507020058422264]
本稿では,心解剖学に基づく2つの畳み込み環を用いたグラフアーキテクチャを提案する。
この予測器は,分布外および不適な入力画像をリアルタイムに検出できることを示す。
論文 参考訳（メタデータ） (2023-10-02T13:55:06Z) - GL-Fusion: Global-Local Fusion Network for Multi-view Echocardiogram
Video Segmentation [15.8851111502473]
グローバルかつローカルな多視点情報を共同で活用するための,新しいGobal-Local fusion (GL-Fusion) ネットワークを提案する。
グローバルコンテキスト情報を抽出するために,Multi-view Global-based Fusion Module (MGFM)を提案する。
Multi-view Local-based Fusion Module (MLFM) は、異なる視点から心臓構造の相関関係を抽出するように設計されている。
論文 参考訳（メタデータ） (2023-09-20T08:43:40Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2023-01-12T08:19:46Z) - Light-weight spatio-temporal graphs for segmentation and ejection
fraction prediction in cardiac ultrasound [5.597394612661975]
本研究では,左心室分画予測と左心室分画のためのEchoGraphsという自動手法を提案する。
キーポイントの検出には、GCN(Graph Conal Networks)に基づく直接座標回帰モデルを用いる。
セマンティックセグメンテーションと比較すると、GCNは正確なセグメンテーションと堅牢性と推論ランタイムの改善を示している。
論文 参考訳（メタデータ） (2022-07-06T10:03:44Z) - Source Free Unsupervised Graph Domain Adaptation [60.901775859601685]
Unsupervised Graph Domain Adaptation (UGDA) はノード分類のラベル付けコストを削減するための実用的価値を示している。
既存のUGDAメソッドの多くは、ソースドメインのラベル付きグラフに大きく依存している。
現実のシナリオでは、ソースグラフはプライバシーの問題のためにアクセスできない。
我々は、Source Free Unsupervised Graph Domain Adaptation (SFUGDA) という新しいシナリオを提案する。
論文 参考訳（メタデータ） (2021-12-02T03:18:18Z) - PSGR: Pixel-wise Sparse Graph Reasoning for COVID-19 Pneumonia
Segmentation in CT Images [83.26057031236965]
画像中の新型コロナウイルス感染領域セグメンテーションの長距離依存性のモデリングを強化するために,PSGRモジュールを提案する。
PSGRモジュールは不正確なピクセルからノードへの投影を回避し、グローバルな推論のために各ピクセル固有の情報を保存する。
このソリューションは、3つの公開データセット上の4つの広く使われているセグメンテーションモデルに対して評価されている。
論文 参考訳（メタデータ） (2021-08-09T04:58:23Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Learning Directional Feature Maps for Cardiac MRI Segmentation [13.389141642517762]
本稿では,クラス間の差分とクラス内の類似度を同時に強化する指向性特徴写像を利用する新しい手法を提案する。
具体的には,最寄りの心臓組織の境界から各ピクセルに向けられた方向のフィールドを学習する。
学習方向のフィールドに基づいて、元のセグメンテーション機能を改善するために、特徴修正と融合(FRF)モジュールを提案する。
論文 参考訳（メタデータ） (2020-07-22T11:31:04Z) - Class-wise Dynamic Graph Convolution for Semantic Segmentation [63.08061813253613]
本稿では,情報を適応的に伝達するクラスワイド動的グラフ畳み込み (CDGC) モジュールを提案する。
また、CDGCモジュールと基本セグメンテーションネットワークを含む2つの主要部分からなるCDGCNet(Class-wise Dynamic Graph Convolution Network)についても紹介する。
我々は,Cityscapes,PASCAL VOC 2012,COCO Stuffの3つの一般的なセマンティックセマンティックセマンティクスベンチマークについて広範な実験を行った。
論文 参考訳（メタデータ） (2020-07-19T15:26:50Z)
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。