論文の概要: Progressive Dual Priori Network for Generalized Breast Tumor
Segmentation
- arxiv url: http://arxiv.org/abs/2310.13574v1
- Date: Fri, 20 Oct 2023 15:12:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 22:12:02.324459
- Title: Progressive Dual Priori Network for Generalized Breast Tumor
Segmentation
- Title(参考訳): 一般化乳癌切除のための進行性デュアルプリオリネットワーク
- Authors: Li Wang, Lihui Wang, Zixiang Kuai, Lei Tang, Yingfeng Ou, Chen Ye,
Yuemin Zhu
- Abstract要約: DCE-MRI画像から乳腺腫瘍を分離するプログレッシブデュアルプリオリネットワーク(PDPNet)を提案する。
その結果, PDPNetのDSC, SEN, KAPPA, HD95はそれぞれ3.63%, 8.19%, 5.52%, 3.66%の改善が見られた。
- 参考スコア(独自算出の注目度): 5.254926376364604
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To promote the generalization ability of breast tumor segmentation models, as
well as to improve the segmentation performance for breast tumors with smaller
size, low-contrast amd irregular shape, we propose a progressive dual priori
network (PDPNet) to segment breast tumors from dynamic enhanced magnetic
resonance images (DCE-MRI) acquired at different sites. The PDPNet first
cropped tumor regions with a coarse-segmentation based localization module,
then the breast tumor mask was progressively refined by using the weak semantic
priori and cross-scale correlation prior knowledge. To validate the
effectiveness of PDPNet, we compared it with several state-of-the-art methods
on multi-center datasets. The results showed that, comparing against the
suboptimal method, the DSC, SEN, KAPPA and HD95 of PDPNet were improved 3.63\%,
8.19\%, 5.52\%, and 3.66\% respectively. In addition, through ablations, we
demonstrated that the proposed localization module can decrease the influence
of normal tissues and therefore improve the generalization ability of the
model. The weak semantic priors allow focusing on tumor regions to avoid
missing small tumors and low-contrast tumors. The cross-scale correlation
priors are beneficial for promoting the shape-aware ability for irregual
tumors. Thus integrating them in a unified framework improved the multi-center
breast tumor segmentation performance.
- Abstract(参考訳): 乳腺腫瘍セグメント化モデルの一般化能力の向上と,より小型で低コントラストのアンダー不規則形状の乳腺腫瘍に対するセグメンテーション性能の向上を目的として,異なる部位で取得したダイナミックエンハンスメント磁気共鳴画像(DCE-MRI)から乳房腫瘍を分割するプログレッシブデュアルプライオリティネットワーク(PDPNet)を提案する。
PDPNetは,まず粗いセグメンテーションをベースとした局在モジュールを持つ腫瘍領域を収穫し,弱いセマンティックオーディションとクロススケール相関により乳房腫瘍マスクを徐々に改良した。
PDPNetの有効性を検証するため,マルチセンタデータセット上での最先端手法との比較を行った。
その結果, PDPNetのDSC, SEN, KAPPA, HD95は, それぞれ3.63\%, 8.19\%, 5.52\%, 3.66\%の改善が見られた。
さらに,提案する局在化モジュールが正常組織の影響を減少させ,モデルの一般化能力を向上させることを実証した。
弱いセマンティクス優先は、腫瘍領域に集中することで、小腫瘍や低コントラスト腫瘍の欠如を避けることができる。
クロススケール相関は,非切除性腫瘍の形状認識能の促進に有用である。
これにより,乳腺腫瘍のマルチセンターセグメンテーション性能が向上した。
関連論文リスト
- Self-calibrated convolution towards glioma segmentation [45.74830585715129]
我々は,nnU-Netネットワークの異なる部分における自己校正畳み込みを評価し,スキップ接続における自己校正加群が,拡張腫瘍と腫瘍コアセグメンテーションの精度を大幅に向上できることを示す。
論文 参考訳(メタデータ) (2024-02-07T19:51:13Z) - Seeing Beyond Cancer: Multi-Institutional Validation of Object
Localization and 3D Semantic Segmentation using Deep Learning for Breast MRI [0.0]
そこで本研究では, 乳房内の各組織タイプを正確に分類するために, 組織-組織間相互作用を利用する手法を提案する。
複数の腫瘍周囲組織を統合することで,乳癌のステージング,予後,手術計画に臨床応用が期待できる。
論文 参考訳(メタデータ) (2023-11-27T18:22:07Z) - Multilevel Perception Boundary-guided Network for Breast Lesion
Segmentation in Ultrasound Images [9.252383213566947]
超音波画像から乳腺腫瘍を分離する多レベルグローバル認識モジュール(MGPM)と境界誘導モジュール(BGM)で構成されるPBNetを提案する。
MGPMでは、単一レベル特徴写像におけるボクセル間の長距離空間依存性をモデル化し、次いで多レベル意味情報を融合する。
BGMでは,腫瘍の境界線を最大プールの希釈および浸食効果を用いて高レベルセマンティックマップから抽出する。
論文 参考訳(メタデータ) (2023-10-23T07:21:02Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - 3DSAM-adapter: Holistic Adaptation of SAM from 2D to 3D for Promptable
Medical Image Segmentation [56.50064853710202]
医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。
本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
論文 参考訳(メタデータ) (2023-06-23T12:09:52Z) - ESKNet-An enhanced adaptive selection kernel convolution for breast
tumors segmentation [13.897849323634283]
乳がんは、世界の女性の健康を危険にさらす一般的ながんの1つである。
CNNは超音波画像から乳腺腫瘍を分離するために提案されている。
乳腺腫瘍セグメンテーションのための選択的カーネル・コンボリューションを改良した。
論文 参考訳(メタデータ) (2022-11-05T14:15:29Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳(メタデータ) (2022-01-13T05:24:40Z) - Feature-enhanced Generation and Multi-modality Fusion based Deep Neural
Network for Brain Tumor Segmentation with Missing MR Modalities [2.867517731896504]
主な問題は、すべてのMRIが常に臨床検査で利用できるわけではないことである。
今回我々は1つ以上のモダリティが欠落した場合に新しい脳腫瘍分節ネットワークを提案する。
提案ネットワークは,機能強化ジェネレータ,相関制約ブロック,セグメンテーションネットワークの3つのサブネットワークで構成されている。
論文 参考訳(メタデータ) (2021-11-08T10:59:40Z) - ESTAN: Enhanced Small Tumor-Aware Network for Breast Ultrasound Image
Segmentation [0.0]
本稿では,乳腺腫瘍を正確に分類するための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であるESTAN(Enhanced Small tumor-Aware Network)を提案する。
ESTANは、2つのエンコーダを導入し、異なるスケールで画像コンテキスト情報を抽出し、フューズする。
論文 参考訳(メタデータ) (2020-09-27T16:42:59Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳(メタデータ) (2020-05-27T20:44:38Z) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳(メタデータ) (2020-02-03T22:25:01Z)
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。