論文の概要: Progressive Dual Priori Network for Generalized Breast Tumor Segmentation
- arxiv url: http://arxiv.org/abs/2310.13574v2
- Date: Mon, 17 Jun 2024 02:55:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-19 12:20:53.189343
- 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とHD95は, それぞれ5.13%, 7.58%改善した。
- 参考スコア（独自算出の注目度）: 5.003997324423131
- 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 and 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 centers. 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 and HD95 of PDPNet were improved at least by 5.13% and 7.58% respectively on multi-center test sets. 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 irregular tumors. Thus integrating them in a unified framework improved the multi-center breast tumor segmentation performance. The source code and open data can be accessed at https://github.com/wangli100209/PDPNet.
- Abstract（参考訳）: 乳房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で不規則な形状の乳房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,異なるセンター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の事前知識を用いて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 と HD95 はそれぞれ5.13%, 7.58% 改善した。
さらに, 局所化モジュールが正常組織の影響を低減し, 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により、腫瘍領域に焦点を合わせることで、欠損した小腫瘍や低コントラスト腫瘍を避けることができる。
クロススケール相関は不規則腫瘍の形状認識能力を促進するのに有用である。
したがって、それらを統合されたフレームワークに統合することで、マルチセンターの乳がんセグメンテーション性能が向上した。
ソースコードとオープンデータはhttps://github.com/wangli100209/PDPNetでアクセスできる。
関連論文リスト
- Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。
特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
論文 参考訳（メタデータ） (2024-05-13T16:07:58Z) - Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Integrating Edges into U-Net Models with Explainable Activation Maps for
Brain Tumor Segmentation using MR Images [1.223779595809275]
医用画像のセマンティックセグメンテーションのためのU-Netとその変種は,本研究で良好な成果を上げている。
腫瘍の縁は、正確な診断、外科的精度、治療計画のための腫瘍領域と同じくらい重要である。
U-NetやV-Netのようなベースラインモデルでトレーニングされたエッジトレーニングモデルの性能は、ベースライン・オブ・ザ・アートモデルと同様のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2024-01-02T17:30:45Z) - 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) - Prediction of brain tumor recurrence location based on multi-modal
fusion and nonlinear correlation learning [55.789874096142285]
深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。
まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。
次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。
2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
論文 参考訳（メタデータ） (2023-04-11T02:45:38Z) - 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) - 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。