Fugu-MT 論文翻訳(概要): Deep vessel segmentation based on a new combination of vesselness filters

論文の概要: Deep vessel segmentation based on a new combination of vesselness filters

arxiv url: http://arxiv.org/abs/2402.14509v1
Date: Thu, 22 Feb 2024 12:57:15 GMT
ステータス: 処理完了
システム内更新日: 2024-02-23 15:14:02.359490
Title: Deep vessel segmentation based on a new combination of vesselness filters
Title（参考訳）: 血管性フィルタの新たな組み合わせによる深部血管のセグメンテーション
Authors: Guillaume Garret and Antoine Vacavant and Carole Frindel
Abstract要約: 本研究では, 容器分割モデルの有効性を増幅する新しいフィルタ融合法を提案する。本研究は, 比較分析により, フィルタに基づく学習手法のメリットを確立することを目的としている。
参考スコア（独自算出の注目度）: 0.3683202928838613
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Vascular segmentation represents a crucial clinical task, yet its automation remains challenging. Because of the recent strides in deep learning, vesselness filters, which can significantly aid the learning process, have been overlooked. This study introduces an innovative filter fusion method crafted to amplify the effectiveness of vessel segmentation models. Our investigation seeks to establish the merits of a filter-based learning approach through a comparative analysis. Specifically, we contrast the performance of a U-Net model trained on CT images with an identical U-Net configuration trained on vesselness hyper-volumes using matching parameters. Our findings, based on two vascular datasets, highlight improved segmentations, especially for small vessels, when the model's learning is exposed to vessel-enhanced inputs.
Abstract（参考訳）: 血管セグメンテーションは重要な臨床課題であるが、その自動化は依然として困難である。近年の深層学習の進歩により、学習過程を著しく支援する船体性フィルタは見過ごされている。本研究では, 容器分割モデルの有効性を増幅する新しいフィルタ融合法を提案する。本研究は, 比較分析により, フィルタに基づく学習手法のメリットを確立することを目的とする。具体的には,CT画像上でトレーニングしたU-Netモデルと,一致パラメータを用いた血管性ハイパーボリュームでトレーニングした同一のU-Net構成とを比較した。 2つの血管データセットに基づいて, モデルの学習が血管強調入力に曝露した場合, 特に小血管に対するセグメント化の改善を強調した。

関連論文リスト

KLDD: Kalman Filter based Linear Deformable Diffusion Model in Retinal Image Segmentation [51.03868117057726]
本稿では,網膜血管分割のためのKLDDモデルを提案する。我々のモデルは、変形可能な畳み込みの柔軟な受容場を利用して、分割を反復的に洗練する拡散過程を用いる。実験は網膜基底画像データセット(DRIVE,CHASE_DB1)とOCTA-500データセットの3mm,6mmで評価された。
論文参考訳（メタデータ） (2024-09-19T14:21:38Z)
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)
LightVessel: Exploring Lightweight Coronary Artery Vessel Segmentation via Similarity Knowledge Distillation [6.544757635738911]
冠状動脈血管分節の簡易化のための類似知識蒸留フレームワークである textbfLightVessel を提案する。セマンティックシフトモデリングのためのFSDモジュール; 学生モデルによりピクセル単位のセマンティック情報を学ぶよう促すASDモジュール。臨床冠動脈血管データセットを用いて行った実験は、LightVesselが様々な知識蒸留よりも優れていることを示した。
論文参考訳（メタデータ） (2022-11-02T05:49:19Z)
Diffusion Adversarial Representation Learning for Self-supervised Vessel Segmentation [36.65094442100924]
医療画像における血管分割は血管疾患の診断と治療計画において重要な課題の1つである。本稿では,拡散確率モデルと逆学習を併用した新しい拡散逆表現学習(DARL)モデルを提案する。本手法は血管セグメンテーションにおいて,既存の教師なし・自己教師付き手法を著しく上回っている。
論文参考訳（メタデータ） (2022-09-29T06:06:15Z)
DR-VNet: Retinal Vessel Segmentation via Dense Residual UNet [4.352318127577627]
そこで本研究では,高密度ネットブロックの効率と残圧および励磁ブロックの効率を組み合わせた新しいディープラーニングパイプラインを提案する。提案手法を3つのデータセットで検証し, 小型船舶の捕獲状況を評価するための感度測定値において, パイプラインが技術の現状より優れていることを示す。
論文参考訳（メタデータ） (2021-11-08T14:52:13Z)
Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
論文参考訳（メタデータ） (2021-05-31T06:55:43Z)
Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文参考訳（メタデータ） (2020-10-09T08:22:54Z)
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)
ROSE: A Retinal OCT-Angiography Vessel Segmentation Dataset and New Model [41.444917622855606]
OCT-Aセグメンテーションデータセット(ROSE)は229枚のOCT-A画像からなり、中心線レベルまたは画素レベルで血管アノテーションを付加する。次に,スプリットをベースとしたSCF-Net(Coarse-to-Fine vessel segmentation Network)を提案する。 SCF-Netでは、スプリットベース粗いセグメンテーション(SCS)モジュールを最初に導入し、スプリットベースリファインメント(SRN)モジュールを使用して形状・形状を最適化する。
論文参考訳（メタデータ） (2020-07-10T06:54:19Z)
Joint Learning of Vessel Segmentation and Artery/Vein Classification with Post-processing [27.825969553813092]
血管分節と動脈・静脈の分類は、潜在的な疾患について様々な情報を提供する。我々は、UNetベースのモデルSeqNetを採用し、背景から船舶を正確に分割し、船舶のタイプを予測する。実験の結果,AUCを0.98に改善し,DRIVEデータセットの分類精度は0.92に向上した。
論文参考訳（メタデータ） (2020-05-27T13:06:16Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。