論文の概要: 3D Vascular Segmentation Supervised by 2D Annotation of Maximum Intensity Projection

• arxiv url: http://arxiv.org/abs/2402.12128v1
• Date: Mon, 19 Feb 2024 13:24:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-20 16:39:51.484635
• Title: 3D Vascular Segmentation Supervised by 2D Annotation of Maximum Intensity Projection
• Title（参考訳）: 最大強度投影の2次元アノテーションによる3次元血管分割
• Authors: Zhanqiang Guo and Zimeng Tan and Jianjiang Feng and Jie Zhou
• Abstract要約: 血管構造のセグメンテーションは、医学的分析と臨床応用において重要な役割を担っている。 既存の弱監督法は, スパース血管構造を扱う際に, 最適下肢機能を示した。 ここでは,3次元体積の次元を2次元画像に変換するために,最大強度投影(MIP)を用いる。 MIPを介して2D-3Dの深い特徴を融合してセグメンテーション性能を向上させる弱教師付きネットワークを導入する。
• 参考スコア（独自算出の注目度）: 33.34240545722551
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vascular structure segmentation plays a crucial role in medical analysis and clinical applications. The practical adoption of fully supervised segmentation models is impeded by the intricacy and time-consuming nature of annotating vessels in the 3D space. This has spurred the exploration of weakly-supervised approaches that reduce reliance on expensive segmentation annotations. Despite this, existing weakly supervised methods employed in organ segmentation, which encompass points, bounding boxes, or graffiti, have exhibited suboptimal performance when handling sparse vascular structure. To alleviate this issue, we employ maximum intensity projection (MIP) to decrease the dimensionality of 3D volume to 2D image for efficient annotation, and the 2D labels are utilized to provide guidance and oversight for training 3D vessel segmentation model. Initially, we generate pseudo-labels for 3D blood vessels using the annotations of 2D projections. Subsequently, taking into account the acquisition method of the 2D labels, we introduce a weakly-supervised network that fuses 2D-3D deep features via MIP to further improve segmentation performance. Furthermore, we integrate confidence learning and uncertainty estimation to refine the generated pseudo-labels, followed by fine-tuning the segmentation network. Our method is validated on five datasets (including cerebral vessel, aorta and coronary artery), demonstrating highly competitive performance in segmenting vessels and the potential to significantly reduce the time and effort required for vessel annotation. Our code is available at: https://github.com/gzq17/Weakly-Supervised-by-MIP.
• Abstract（参考訳）: 血管構造のセグメンテーションは、医学的分析と臨床応用において重要な役割を果たす。 完全教師付きセグメンテーションモデルの実践的導入は、3次元空間におけるアノテート容器の複雑で時間を要する性質によって妨げられる。 このことが、高価なセグメンテーションアノテーションへの依存を減らす弱い教師付きアプローチの探求を促した。 それにもかかわらず、臓器分節法(点、境界箱、落書きを含む)では、スパース血管構造を扱う際には、最適以下の性能を示す。 この問題を緩和するために,我々は3次元体積の次元を2次元画像に縮小するために最大強度投影(MIP)を用い,その2次元ラベルを用いて3次元血管セグメンテーションモデルをトレーニングするためのガイダンスと監視を行う。 まず2次元投影のアノテーションを用いて3次元血管の擬似ラベルを生成する。 次に,2Dラベルの取得手法を考慮し,MIPを介して2D-3Dの深い特徴を融合させてセグメンテーション性能を向上させる弱教師付きネットワークを導入する。 さらに,信頼度学習と不確実性推定を統合し,生成された擬似ラベルを洗練し,セグメンテーションネットワークを微調整する。 本手法は5つのデータセット(脳血管,大動脈,冠動脈を含む)で検証され,分画血管における高い競合性を示し,血管注記に必要な時間と労力を大幅に削減する可能性を示す。 私たちのコードは、https://github.com/gzq17/Weakly-Supervised-by-MIPで利用可能です。

関連論文リスト

• Bayesian Self-Training for Semi-Supervised 3D Segmentation [59.544558398992386]
  3Dセグメンテーションはコンピュータビジョンの中核的な問題である。 完全に教師されたトレーニングを採用するために、3Dポイントクラウドを密にラベル付けすることは、労働集約的で高価です。 半教師付きトレーニングは、ラベル付きデータの小さなセットのみを付与し、より大きなラベル付きデータセットを伴って、より実用的な代替手段を提供する。
  論文  参考訳（メタデータ） (2024-09-12T14:54:31Z)
• Enhancing Weakly Supervised 3D Medical Image Segmentation through Probabilistic-aware Learning [52.249748801637196]
  3次元医用画像のセグメンテーションは、疾患の診断と治療計画に重要な意味を持つ課題である。 近年の深層学習の進歩は、完全に教師付き医療画像のセグメンテーションを著しく強化している。 本稿では,3次元医用画像に特化して設計された,確率的適応型弱教師付き学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-03-05T00:46:53Z)
• Simultaneous Alignment and Surface Regression Using Hybrid 2D-3D Networks for 3D Coherent Layer Segmentation of Retinal OCT Images with Full and Sparse Annotations [32.69359482975795]
  本研究は, ハイブリッド2D-3D畳み込みニューラルネットワーク(CNN)を基盤として, OCTボリュームから連続した3次元網膜層表面を得るための新しい枠組みを提案する。 人工的データセットと3つのパブリックな臨床データセットの実験により、我々のフレームワークは、潜在的運動補正のためにBスキャンを効果的に調整できることを示した。
  論文  参考訳（メタデータ） (2023-12-04T08:32:31Z)
• 2D Feature Distillation for Weakly- and Semi-Supervised 3D Semantic Segmentation [92.17700318483745]
  合成訓練された2Dセマンティックセマンティックセグメンテーションネットワークから高レベル特徴情報を蒸留するアイデアに基づく画像誘導ネットワーク(IGNet)を提案する。 IGNetは、ScribbleKITTI上の弱い教師付きLiDARセマンティックセマンティックセグメンテーションの最先端の結果を達成し、8%のラベル付きポイントしか持たない完全な教師付きトレーニングに対して最大98%のパフォーマンスを誇っている。
  論文  参考訳（メタデータ） (2023-11-27T07:57:29Z)
• 3D Arterial Segmentation via Single 2D Projections and Depth Supervision in Contrast-Enhanced CT Images [9.324710035242397]
  3D深層ネットワークのトレーニングには、専門家による大量の手動3Dアノテーションが必要である。 そこで本研究では,1つの注釈付き2Dプロジェクションのみから3次元膵動脈を分画する新しい手法を提案する。 トレーニングサンプル毎にランダムに選択された1つのプロジェクションをアノテートすることで、複数の2次元プロジェクションにアノテートするのに匹敵する性能が得られることを示す。
  論文  参考訳（メタデータ） (2023-09-15T15:41:40Z)
• 3D Vessel Segmentation with Limited Guidance of 2D Structure-agnostic Vessel Annotations [3.6314292723682784]
  教師付き深層学習は、自動3次元血管分割において優れた能力を示している。 高価な3Dマニュアルアノテーションへの依存とアノテーションの再利用能力の制限は、教師付きモデルの臨床応用を妨げる。 本稿では,公共の2次元血管アノテーションによる限られた誘導の下での3次元血管分割のための新しい3次元形状誘導型局所識別モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-07T07:26:00Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR-based Perception [122.53774221136193]
  運転時のLiDARに基づく認識のための最先端の手法は、しばしば点雲を2D空間に投影し、2D畳み込みによって処理する。 自然な対策として、3Dボクセル化と3D畳み込みネットワークを利用する方法がある。 本研究では,3次元幾何学的パターンを探索するために,円筒状分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-12T06:25:11Z)
• PAENet: A Progressive Attention-Enhanced Network for 3D to 2D Retinal Vessel Segmentation [0.0]
  光コヒーレンス・トモグラフィー(OCTA)画像では3次元から2次元の網膜血管セグメンテーションは難しい問題である。 本稿では,多機能表現を抽出するアテンション機構に基づくプログレッシブ・アテンション・エンハンスメント・ネットワーク(PAENet)を提案する。 提案アルゴリズムは,従来の手法と比較して最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-08-26T10:27:25Z)
• Multi-Slice Dense-Sparse Learning for Efficient Liver and Tumor Segmentation [4.150096314396549]
  ディープ畳み込みニューラルネットワーク(DCNN)は2次元および3次元の医用画像セグメンテーションにおいて大きな成功を収めている。 そこで我々は,DCNNを正規化するための入力として,密接な隣接スライスと疎隣接スライスを抽出するデータの観点から,新しい密集スプリストレーニングフローを提案する。 また、ネットワークの観点から2.5Dの軽量nnU-Netを設計し、その効率を向上させるために深度的に分離可能な畳み込みを採用する。
  論文  参考訳（メタデータ） (2021-08-15T15:29:48Z)
• Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
  超音波を用いた新しいカテーテルセグメンテーション法を提案する。 提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2020-10-19T13:56:22Z)
• Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
  本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。 提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。 検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
  論文  参考訳（メタデータ） (2020-06-25T21:10:04Z)

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。