論文の概要: Assessing Encoder-Decoder Architectures for Robust Coronary Artery
Segmentation
- arxiv url: http://arxiv.org/abs/2310.10002v1
- Date: Mon, 16 Oct 2023 01:55:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 16:59:30.721409
- Title: Assessing Encoder-Decoder Architectures for Robust Coronary Artery
Segmentation
- Title(参考訳): ロバスト冠動脈セグメンテーションのためのエンコーダ・デコーダアーキテクチャの評価
- Authors: Shisheng Zhang, Ramtin Gharleghi, Sonit Singh, Arcot Sowmya, Susann
Beier
- Abstract要約: 本稿では,25個のエンコーダ/デコーダの組み合わせの性能について検討する。
エンコーダとデコーダとして機能するEfficientNet-LinkNetの組み合わせは注目に値する。
ディース係数は0.882で、ハースドルフの95%は4.753である。
- 参考スコア(独自算出の注目度): 11.137087573421258
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Coronary artery diseases are among the leading causes of mortality worldwide.
Timely and accurate diagnosis, facilitated by precise coronary artery
segmentation, is pivotal in changing patient outcomes. In the realm of
biomedical imaging, convolutional neural networks, especially the U-Net
architecture, have revolutionised segmentation processes. However, one of the
primary challenges remains the lack of benchmarking datasets specific to
coronary arteries. However through the use of the recently published public
dataset ASOCA, the potential of deep learning for accurate coronary
segmentation can be improved. This paper delves deep into examining the
performance of 25 distinct encoder-decoder combinations. Through analysis of
the 40 cases provided to ASOCA participants, it is revealed that the
EfficientNet-LinkNet combination, serving as encoder and decoder, stands out.
It achieves a Dice coefficient of 0.882 and a 95th percentile Hausdorff
distance of 4.753. These findings not only underscore the superiority of our
model in comparison to those presented at the MICCAI 2020 challenge but also
set the stage for future advancements in coronary artery segmentation, opening
doors to enhanced diagnostic and treatment strategies.
- Abstract(参考訳): 冠状動脈疾患は世界中で死亡の原因となっている。
正確な冠動脈セグメンテーションによって促進されるタイムリーかつ正確な診断は、患者の結果を変える上で重要である。
バイオメディカルイメージングの領域では、畳み込みニューラルネットワーク、特にU-Netアーキテクチャがセグメンテーションプロセスに革命をもたらした。
しかしながら、主要な課題の1つは、冠動脈に特有のベンチマークデータセットの欠如である。
しかし、最近公開されたパブリックデータセットASOCAを使用することで、正確な冠動脈セグメンテーションのためのディープラーニングの可能性を改善することができる。
本稿では,25個のエンコーダとデコーダの組み合わせの性能について検討する。
ASOCA参加者に提供される40のケースの分析により,エンコーダとデコーダとして機能するEfficientNet-LinkNetの組み合わせが注目されている。
サイス係数0.882、95%のハウスドルフ距離4.753である。
これらの知見は,MICCAI 2020の課題と比べ,本モデルの優位性を示すだけでなく,冠動脈セグメンテーションの今後の進歩,診断・治療戦略の強化への扉を開くためのステージも設定した。
関連論文リスト
- MPSeg : Multi-Phase strategy for coronary artery Segmentation [9.767759441883008]
冠動脈セグメンテーションのための革新的多相戦略であるMPSegを提案する。
本手法は,これらの構造的複雑度に特化しており,SynTAXスコアの原理に準拠している。
特に, 自動冠状動脈疾患診断では, 異常な効果が認められた。
論文 参考訳(メタデータ) (2023-11-17T03:33:09Z) - SSASS: Semi-Supervised Approach for Stenosis Segmentation [9.767759441883008]
冠状動脈構造の複雑さとX線像の固有ノイズが相まって,この課題には大きな課題が生じる。
心血管狭窄セグメンテーションに対する半監督的アプローチを提案する。
自動冠状動脈疾患診断では異常な成績を示した。
論文 参考訳(メタデータ) (2023-11-17T02:01:19Z) - Hyper Association Graph Matching with Uncertainty Quantification for
Coronary Artery Semantic Labeling [4.9679652736351905]
ICAを用いた冠状動脈セマンティックラベリングにおける不確実性定量化(HAGMN-UQ)を用いたハイパーアソシエーショングラフマッチングニューラルネットワークの革新的アプローチを提案する。
冠動脈セマンティックラベリングの精度は0.9345,高速推論速度は0。
論文 参考訳(メタデータ) (2023-08-20T16:59:17Z) - Segmentation and Vascular Vectorization for Coronary Artery by
Geometry-based Cascaded Neural Network [26.88627331841325]
そこで本研究では,冠動脈の形状をベースとしたカスケード分割法を提案する。
冠動脈のメッシュは連続的かつ正確であり, ねじれ, 洗練された冠状動脈構造を有する。
本手法は, 分節血管の断片化を伴わない, 正確で無傷でスムーズな冠動脈を作製する。
論文 参考訳(メタデータ) (2023-05-07T07:26:41Z) - WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic
Segmentation for Lung Adenocarcinoma [51.50991881342181]
この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。
第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
論文 参考訳(メタデータ) (2022-04-13T15:27:05Z) - Encoder-Decoder Architectures for Clinically Relevant Coronary Artery
Segmentation [0.0]
冠動脈疾患の診断と治療には,冠動脈X線アンギオグラフィが重要である。
従来のアプローチでは、最適でないセグメンテーション基準を使用しており、あまり有用な結果が得られていない。
本稿では,新しいデコーダアーキテクチャであるEfficientUNet++を用いて,効率的かつ高性能なセグメンテーションモデルを提案する。
論文 参考訳(メタデータ) (2021-06-21T23:32:11Z) - 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) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳(メタデータ) (2020-07-18T05:46:47Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳(メタデータ) (2020-04-26T08:49:17Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳(メタデータ) (2020-04-22T07:30:56Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳(メタデータ) (2020-01-24T21:09:18Z)
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。