論文の概要: Shifting More Attention to Breast Lesion Segmentation in Ultrasound Videos

• arxiv url: http://arxiv.org/abs/2310.01861v1
• Date: Tue, 3 Oct 2023 07:50:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-04 17:07:32.157782
• Title: Shifting More Attention to Breast Lesion Segmentation in Ultrasound Videos
• Title（参考訳）: 超音波映像における乳房病変の分節化への注意の移動
• Authors: Junhao Lin, Qian Dai, Lei Zhu, Huazhu Fu, Qiong Wang, Weibin Li, Wenhao Rao, Xiaoyang Huang, Liansheng Wang
• Abstract要約: 572本の動画と34,300本の注釈付きフレームからなるUSビデオ乳房病変セグメンテーションデータセットを精査した。 周波数領域から時間的特徴を学習する新しい周波数・局所化特徴集約ネットワーク(FLA-Net)を提案する。 我々のアノテーション付きデータセットと2つの公開ビデオポリプセグメンテーションデータセットに関する実験は、提案したFLA-Netが最先端のパフォーマンスを達成することを示す。
• 参考スコア（独自算出の注目度）: 43.454994341021276
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast lesion segmentation in ultrasound (US) videos is essential for diagnosing and treating axillary lymph node metastasis. However, the lack of a well-established and large-scale ultrasound video dataset with high-quality annotations has posed a persistent challenge for the research community. To overcome this issue, we meticulously curated a US video breast lesion segmentation dataset comprising 572 videos and 34,300 annotated frames, covering a wide range of realistic clinical scenarios. Furthermore, we propose a novel frequency and localization feature aggregation network (FLA-Net) that learns temporal features from the frequency domain and predicts additional lesion location positions to assist with breast lesion segmentation. We also devise a localization-based contrastive loss to reduce the lesion location distance between neighboring video frames within the same video and enlarge the location distances between frames from different ultrasound videos. Our experiments on our annotated dataset and two public video polyp segmentation datasets demonstrate that our proposed FLA-Net achieves state-of-the-art performance in breast lesion segmentation in US videos and video polyp segmentation while significantly reducing time and space complexity. Our model and dataset are available at https://github.com/jhl-Det/FLA-Net.
• Abstract（参考訳）: 超音波(US)ビデオにおける乳腺病変のセグメンテーションは軸索リンパ節転移の診断と治療に不可欠である。 しかし、高品質なアノテーションを備えた、確立された大規模な超音波ビデオデータセットの欠如は、研究コミュニティにとって永続的な課題となった。 この問題を克服するために, 572のビデオと34,300の注釈付きフレームからなるus video breast lesion segmentation datasetを精査し, 幅広い現実的な臨床シナリオを網羅した。 さらに、周波数領域から時間的特徴を学習し、乳房病変の分節を補助する追加の病変位置を予測できる新しい周波数・局所化特徴集約ネットワーク(FLA-Net)を提案する。 また,同一映像内の隣接映像フレーム間の病変位置距離を低減し,異なる超音波映像からのフレーム間の位置距離を拡大するために,局所性に基づくコントラスト損失を考案する。 アノテーション付きデータセットと2つの公開ビデオポリプセグメンテーションデータセットを用いた実験により、米国ビデオにおける乳房病変セグメンテーションにおけるFLA-Netの最先端性能と、ビデオポリプセグメンテーションを実現し、時間と空間の複雑さを著しく低減した。 私たちのモデルとデータセットはhttps://github.com/jhl-det/fla-netで利用可能です。

関連論文リスト

• LGRNet: Local-Global Reciprocal Network for Uterine Fibroid Segmentation in Ultrasound Videos [19.661094457941417]
  正常スクリーニングと子宮線維化の早期発見は悪性化の予防に不可欠である。 本稿ではLGRNet(Local-Global Reciprocal Network)を提案する。
  論文  参考訳（メタデータ） (2024-07-08T08:06:06Z)
• A Spatial-Temporal Progressive Fusion Network for Breast Lesion Segmentation in Ultrasound Videos [7.0117363464728815]
  超音波画像による乳房病変の分節化の最大の課題は、フレーム内とフレーム間の両方の病変を同時に活用する方法である。 本稿では,ビデオベース乳房病変分割問題に対する新しい空間進行核融合ネットワーク(STPFNet)を提案する。 STPFNetは、最先端の方法よりも優れた乳房病変検出性能を実現する。
  論文  参考訳（メタデータ） (2024-03-18T11:56:32Z)
• Is Two-shot All You Need? A Label-efficient Approach for Video Segmentation in Breast Ultrasound [4.113689581316844]
  BUSビデオセグメンテーションのための新しい2ショットトレーニングパラダイムを提案する。 自由範囲の時空一貫性をキャプチャできるだけでなく、ソース依存の拡張スキームも利用できる。 その結果、トレーニングラベルは1.9%しか与えられていないが、完全に注釈付けされたものと比較するとパフォーマンスが向上した。
  論文  参考訳（メタデータ） (2024-02-07T14:47:08Z)
• Vivim: a Video Vision Mamba for Medical Video Segmentation [52.11785024350253]
  本稿では、医用ビデオセグメンテーションタスクのためのビデオビジョンマンバベースのフレームワークVivimを提案する。 我々のビビムは、長期表現を様々なスケールのシーケンスに効果的に圧縮することができる。 超音波検査では甲状腺分節,乳房病変分節,大腸内視鏡検査ではポリープ分節が有効で有効であった。
  論文  参考訳（メタデータ） (2024-01-25T13:27:03Z)
• A Spatial-Temporal Deformable Attention based Framework for Breast Lesion Detection in Videos [107.96514633713034]
  本稿では,STNet という空間的・時間的変形可能なアテンションベースのフレームワークを提案する。 我々のSTNetは、局所的な空間的時間的特徴融合を行うために、空間的時間的変形可能なアテンションモジュールを導入している。 乳腺病変の超音波画像データセットを用いた実験により,STNetは最先端の検出性能を得ることができた。
  論文  参考訳（メタデータ） (2023-09-09T07:00:10Z)
• A New Dataset and A Baseline Model for Breast Lesion Detection in Ultrasound Videos [43.42513012531214]
  乳房病変検出のための超音波ビデオデータセット(188ビデオ)をまず収集し,注釈する。 超音波映像における胸部病変検出のためのクリップレベル・ビデオレベルのアグリゲートネットワーク(CVA-Net)を提案する。
  論文  参考訳（メタデータ） (2022-07-01T01:37:50Z)
• Global Guidance Network for Breast Lesion Segmentation in Ultrasound Images [84.03487786163781]
  我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。 当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
  論文  参考訳（メタデータ） (2021-04-05T13:15:22Z)
• Coherent Loss: A Generic Framework for Stable Video Segmentation [103.78087255807482]
  ビデオセグメンテーションの結果の視覚的品質を,ジッタリングアーティファクトがいかに劣化させるかを検討する。 本稿では,ニューラルネットワークの性能向上を目的とした汎用フレームワークを備えたコヒーレントロスを提案する。
  論文  参考訳（メタデータ） (2020-10-25T10:48:28Z)

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。