論文の概要: DABS-LS: Deep Atlas-Based Segmentation Using Regional Level Set Self-Supervision

• arxiv url: http://arxiv.org/abs/2402.10425v1
• Date: Fri, 16 Feb 2024 03:22:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-19 17:43:22.477068
• Title: DABS-LS: Deep Atlas-Based Segmentation Using Regional Level Set Self-Supervision
• Title（参考訳）: dabs-ls:地域レベル集合によるディープアトラスに基づくセグメンテーション
• Authors: Hannah G. Mason, Jack H. Noble
• Abstract要約: コクラーインプラント(英語: Cochlear implants、CI)は、重度から先天的な難聴の治療に用いられる神経義肢である。 聴覚神経線維(ANF)のCI刺激の患者特異的モデリングは、聴覚学者がCIプログラミングを改善するのに役立つ。 ANFsの局在は、ANFsが非常に小さく、臨床画像では直接見えないため、困難である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cochlear implants (CIs) are neural prosthetics used to treat patients with severe-to-profound hearing loss. Patient-specific modeling of CI stimulation of the auditory nerve fiber (ANFs) can help audiologists improve the CI programming. These models require localization of the ANFs relative to surrounding anatomy and the CI. Localization is challenging because the ANFs are so small they are not directly visible in clinical imaging. In this work, we hypothesize the position of the ANFs can be accurately inferred from the location of the internal auditory canal (IAC), which has high contrast in CT, since the ANFs pass through this canal between the cochlea and the brain. Inspired by VoxelMorph, in this paper we propose a deep atlas-based IAC segmentation network. We create a single atlas in which the IAC and ANFs are pre-localized. Our network is trained to produce deformation fields (DFs) mapping coordinates from the atlas to new target volumes and that accurately segment the IAC. We hypothesize that DFs that accurately segment the IAC in target images will also facilitate accurate atlas-based localization of the ANFs. As opposed to VoxelMorph, which aims to produce DFs that accurately register the entire volume, our novel contribution is an entirely self-supervised training scheme that aims to produce DFs that accurately segment the target structure. This self-supervision is facilitated using a regional level set (LS) inspired loss function. We call our method Deep Atlas Based Segmentation using Level Sets (DABS-LS). Results show that DABS-LS outperforms VoxelMorph for IAC segmentation. Tests with publicly available datasets for trachea and kidney segmentation also show significant improvement in segmentation accuracy, demonstrating the generalizability of the method.
• Abstract（参考訳）: 人工内耳(英: cochlear implants, cis)は、難聴に対する治療に用いられる人工装具である。 聴覚神経線維(ANF)のCI刺激の患者特異的モデリングは、聴覚学者がCIプログラミングを改善するのに役立つ。 これらのモデルは、周囲の解剖学とCIに対するANFの局在化を必要とする。 ANFはあまりに小さく、臨床画像では直接見えないため、局所化は難しい。 本研究では, 内耳道の位置をCTで高いコントラストを有する内耳道(IAC)の位置から正確に推定できると仮定する。 本稿では,VoxelMorphにヒントを得て,深層アトラスを用いたIACセグメンテーションネットワークを提案する。 IACとANFが事前に局所化されている単一のアトラスを作成します。 我々のネットワークは、アトラスから新しいターゲットボリュームへの変形場(DF)マッピング座標の作成と、IACを正確にセグメント化するように訓練されている。 ターゲット画像中のIACを正確に区分けするDFは、ANFの正確なアトラスによる局所化を促進する。 ボリューム全体を正確に登録するDFを生成するVoxelMorphとは対照的に,我々の新しいコントリビューションは,ターゲット構造を正確に分類するDFを生成するための,完全に自己管理的なトレーニングスキームである。 この自己超越は、地域レベルセット(LS)にインスパイアされた損失関数を用いて促進される。 我々は、レベルセット(DABS-LS)を用いたDeep Atlas Based Segmentationと呼ぶ。 その結果,DABS-LSはIACセグメンテーションにおいてVoxelMorphより優れていた。 気管および腎分画の公開データセットを用いた試験では、セグメント化精度が大幅に向上し、この方法の一般化性が示された。

関連論文リスト

• ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
  SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。 SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。 CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
  論文  参考訳（メタデータ） (2024-06-30T14:55:32Z)
• Continual atlas-based segmentation of prostate MRI [2.17257168063257]
  自然な画像分類のために設計された連続学習(CL)法は、しばしば基本的な品質基準に達しない。 我々は,プロトタイプを用いて高品質なセグメンテーションマスクを生成するアトラスベースのセグメンテーション手法であるAtlas Replayを提案する。 我々の結果は、Atlas Replayは堅牢であり、知識を維持しながら、まだ見つからない領域に対してうまく一般化していることを示している。
  論文  参考訳（メタデータ） (2023-11-01T14:29:46Z)
• Unlocking the Heart Using Adaptive Locked Agnostic Networks [4.613517417540153]
  医用画像アプリケーションのためのディープラーニングモデルの教師付きトレーニングには、かなりの量のラベル付きデータが必要である。 この制限に対処するため、Adaptive Locked Agnostic Network (ALAN)を導入する。 ALANは、大きなバックボーンモデルを用いて、堅牢なセマンティック・セグメンテーションを生成する自己教師付き視覚特徴抽出を含む。 自監督型背骨モデルでは, 心臓の解剖学的部分領域を円錐四面体視で強く同定することがわかった。
  論文  参考訳（メタデータ） (2023-09-21T09:06:36Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Deep Learning-based Multi-Organ CT Segmentation with Adversarial Data Augmentation [3.8371505627869955]
  Adversarial Feature Attack for Medical Image (AFA-MI) の強化により、セグメントネットワークはアウト・オブ・ディストリビューション統計を学習せざるを得なくなった。 実験は心臓、左右の腎臓、肝臓、左右の肺、脊髄、胃を分断する。
  論文  参考訳（メタデータ） (2023-02-25T21:42:00Z)
• 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)
• WSC-Trans: A 3D network model for automatic multi-structural segmentation of temporal bone CT [5.821303529939008]
  側頭骨CTにおける多構造目標の自動セグメンテーションのための3次元ネットワークモデルを提案する。 このアルゴリズムは特徴抽出のためにCNNとTransformerを組み合わせて,空間的注意とチャネル注意機構を活用し,セグメンテーション効果をさらに改善する。
  論文  参考訳（メタデータ） (2022-11-14T06:44:37Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
  追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。 非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
  論文  参考訳（メタデータ） (2022-06-22T14:19:06Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)

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。