論文の概要: Ultrasound Image Segmentation of Thyroid Nodule via Latent Semantic
Feature Co-Registration
- arxiv url: http://arxiv.org/abs/2310.09221v2
- Date: Mon, 22 Jan 2024 04:48:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 20:26:54.298909
- Title: Ultrasound Image Segmentation of Thyroid Nodule via Latent Semantic
Feature Co-Registration
- Title(参考訳): 潜在セマンティック特徴共存による甲状腺結節の超音波画像分割
- Authors: Xuewei Li, Yaqiao Zhu, Jie Gao, Xi Wei, Ruixuan Zhang, Yuan Tian, and
ZhiQiang Liu
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 12.211161441766532
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Segmentation of nodules in thyroid ultrasound imaging plays a crucial role in
the detection and treatment of thyroid cancer. However, owing to the diversity
of scanner vendors and imaging protocols in different hospitals, the automatic
segmentation model, which has already demonstrated expert-level accuracy in the
field of medical image segmentation, finds its accuracy reduced as the result
of its weak generalization performance when being applied in clinically
realistic environments. To address this issue, the present paper proposes ASTN,
a framework for thyroid nodule segmentation achieved through a new type
co-registration network. By extracting latent semantic information from the
atlas and target images and utilizing in-depth features to accomplish the
co-registration of nodules in thyroid ultrasound images, this framework can
ensure the integrity of anatomical structure and reduce the impact on
segmentation as the result of overall differences in image caused by different
devices. In addition, this paper also provides an atlas selection algorithm to
mitigate the difficulty of co-registration. As shown by the evaluation results
collected from the datasets of different devices, thanks to the method we
proposed, the model generalization has been greatly improved while maintaining
a high level of segmentation accuracy.
- Abstract(参考訳): 甲状腺超音波画像における結節の分節は甲状腺癌の検出と治療において重要な役割を担っている。
しかし, 医療用画像セグメンテーションの分野において, 医療用画像セグメンテーションの分野において, 専門家レベルの精度をすでに実証している自動セグメンテーションモデルは, 臨床に現実的な環境に適用した場合の一般化性能の弱さにより, 精度が低下していることが判明した。
そこで本研究では,甲状腺結節分節の枠組みであるASTNを提案する。
甲状腺超音波画像における結節の同時登録を実現するために、アトラス及び対象画像から潜伏意味情報を抽出し、奥行き特性を利用して、解剖学的構造の整合性を確保し、異なる装置による画像の全体的差異によるセグメンテーションへの影響を低減する。
さらに,共登録の難しさを軽減するためのアトラス選択アルゴリズムも提供する。
提案手法により,各機器のデータセットから得られた評価結果から,高いセグメンテーション精度を維持しつつ,モデル一般化が大幅に改善されていることが示された。
関連論文リスト
- Structure-aware registration network for liver DCE-CT images [50.28546654316009]
セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。
提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
論文 参考訳(メタデータ) (2023-03-08T14:08:56Z) - 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) - 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) - Joint segmentation and discontinuity-preserving deformable registration:
Application to cardiac cine-MR images [74.99415008543276]
多くの深層学習に基づく登録法は、変形場は画像領域の至る所で滑らかで連続的であると仮定する。
本研究では,この課題に対処するために,不連続かつ局所的に滑らかな変形場を確保するための新しい不連続保存画像登録手法を提案する。
入力画像の構造的相関を学習するために,ネットワークのセグメンテーション成分にコアテンションブロックを提案する。
大規模心磁気共鳴画像系列を用いた物体内時間画像登録の課題について検討した。
論文 参考訳(メタデータ) (2022-11-24T23:45:01Z) - Generative Adversarial Networks for Weakly Supervised Generation and
Evaluation of Brain Tumor Segmentations on MR Images [0.0]
本研究は2次元磁気共鳴画像におけるセグメント異常に対する弱教師付きアプローチを示す。
我々は,癌画像を健全な変種に変換するGAN(Generative Adversarial Network)を訓練する。
非共役な変種は、弱監督的な方法で分割を評価するためにも用いられる。
論文 参考訳(メタデータ) (2022-11-10T00:04:46Z) - Online Easy Example Mining for Weakly-supervised Gland Segmentation from
Histology Images [10.832913704956253]
病理組織像からのAI支援腺分節法の開発は, 自動診断と予後に重要である。
コンピュータビジョンにおける既存の弱教師付きセマンティックセマンティックセマンティクス法は、腺セマンティクスの変性結果を達成する。
信頼性の高い監視信号に着目したオンライン簡易事例マイニング(OEEM)を提案する。
論文 参考訳(メタデータ) (2022-06-14T07:53:03Z) - ScoreNet: Learning Non-Uniform Attention and Augmentation for
Transformer-Based Histopathological Image Classification [11.680355561258427]
高解像度画像はデジタル病理の進歩を妨げる。
パッチベースの処理は、しばしば複数のインスタンス学習(MIL)を組み込んで、画像レベルの予測をもたらす局所的なパッチレベルの表現を集約する。
本稿では,組織像分類に適したトランスフォーマーアーキテクチャを提案する。
局所的なきめ細かな注意と粗いグローバルな注意機構を組み合わせることで、高解像度画像の意味的な表現を効率的な計算コストで学習する。
論文 参考訳(メタデータ) (2022-02-15T16:55:09Z) - Spatially Dependent U-Nets: Highly Accurate Architectures for Medical
Imaging Segmentation [10.77039660100327]
解剖学的構造に固有の空間的コヒーレンスを利用する新しいディープニューラルネットワークアーキテクチャを紹介します。
提案手法は,分割画素/ボクセル空間における長距離空間依存性を捉えるのに有効である。
本手法は一般的に使用されるU-NetおよびU-Net++アーキテクチャに好適に作用する。
論文 参考訳(メタデータ) (2021-03-22T10:37:20Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳(メタデータ) (2020-12-10T04:01:07Z) - Co-Heterogeneous and Adaptive Segmentation from Multi-Source and
Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion
Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。
本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。
CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文 参考訳(メタデータ) (2020-05-27T06:58:39Z)
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。