論文の概要: Skeleton Supervised Airway Segmentation

• arxiv url: http://arxiv.org/abs/2403.06510v1
• Date: Mon, 11 Mar 2024 08:37:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-12 19:52:45.006215
• Title: Skeleton Supervised Airway Segmentation
• Title（参考訳）: スケルトン監視エアウェイセグメンテーション
• Authors: Mingyue Zhao and Han Li and Li Fan and Shiyuan Liu and Xiaolan Qiu and S.Kevin Zhou
• Abstract要約: 気道に合わせた新しいスケルトンレベルのアノテーション(SkA)を導入し,アノテーションのワークフローを簡素化する。 また,正確な気道セグメンテーションを実現するための骨格教師あり学習フレームワークを提案する。 実験の結果,提案手法はSKAと競合する手法より優れており,その性能は1.96%に過ぎなかった。
• 参考スコア（独自算出の注目度）: 27.65479179170118
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Fully-supervised airway segmentation has accomplished significant triumphs over the years in aiding pre-operative diagnosis and intra-operative navigation. However, full voxel-level annotation constitutes a labor-intensive and time-consuming task, often plagued by issues such as missing branches, branch annotation discontinuity, or erroneous edge delineation. label-efficient solutions for airway extraction are rarely explored yet primarily demanding in medical practice. To this end, we introduce a novel skeleton-level annotation (SkA) tailored to the airway, which simplifies the annotation workflow while enhancing annotation consistency and accuracy, preserving the complete topology. Furthermore, we propose a skeleton-supervised learning framework to achieve accurate airway segmentation. Firstly, a dual-stream buffer inference is introduced to realize initial label propagation from SkA, avoiding the collapse of direct learning from SkA. Then, we construct a geometry-aware dual-path propagation framework (GDP) to further promote complementary propagation learning, composed of hard geometry-aware propagation learning and soft geometry-aware propagation guidance. Experiments reveal that our proposed framework outperforms the competing methods with SKA, which amounts to only 1.96% airways, and achieves comparable performance with the baseline model that is fully supervised with 100% airways, demonstrating its significant potential in achieving label-efficient segmentation for other tubular structures, such as vessels.
• Abstract（参考訳）: 手術前診断や術中ナビゲーションの補助として, 長年にわたり, 航空路の完全管理が大きな成果を上げてきた。 しかしながら、フルボクセルレベルのアノテーションは労働集約的で時間を要するタスクであり、しばしば枝の欠如、分岐アノテーションの不連続性、誤ったエッジのデライン化といった問題に悩まされる。 気道抽出のためのラベル効率のよいソリューションは、ほとんど研究されていないが、主に医学的な実践を必要とする。 この目的のために,アノテーションの一貫性と精度を高めつつ,アノテーションのワークフローを簡素化し,完全なトポロジを保存する新しいスケルトンレベルのアノテーション(SkA)を導入する。 さらに,正確な気道セグメンテーションを実現するための骨格教師あり学習フレームワークを提案する。 まず、SkAからの直接学習の崩壊を回避し、SkAからの初期ラベル伝搬を実現するために、デュアルストリームバッファ推論を導入する。 そこで我々は,ハードジオメトリ対応の伝搬学習とソフトジオメトリ対応の伝搬指導を組み合わせた,補完的な伝搬学習を促進するために,幾何対応のデュアルパス伝搬フレームワーク(GDP)を構築した。 実験により,提案手法がskaと競合する手法を上回り,100%の気道で完全に監視されたベースラインモデルと同等の性能を達成し,船舶等の他の管状構造物に対してラベル効率の良いセグメンテーションを実現する上で有意な可能性を示した。

関連論文リスト

• Multi-Stage Airway Segmentation in Lung CT Based on Multi-scale Nested Residual UNet [3.1903847117782274]
  深層学習は医用画像のセグメンテーションに大きな進歩をもたらしたが、気道の連続性を維持することは依然として困難である。 本稿では,小空路の複雑な詳細を効果的に把握し,情報フローを向上させるためのネスト残留フレームワークを提案する。 MNR-UNetのトレーニングを最適化する3段階セグメンテーションパイプラインを開発した。
  論文  参考訳（メタデータ） (2024-10-24T06:10:09Z)
• 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)
• OCTAve: 2D en face Optical Coherence Tomography Angiography Vessel Segmentation in Weakly-Supervised Learning with Locality Augmentation [14.322349196837209]
  画素レベルのアノテーションを自動化するために,スクリブルベースの弱教師付き学習手法を提案する。 OCTAveと呼ばれる本提案手法は,スクリブルアノテートによる弱教師付き学習と,敵意と自己監督型自己監督型深層学習を組み合わせたものである。
  論文  参考訳（メタデータ） (2022-07-25T14:40:56Z)
• LTSP: Long-Term Slice Propagation for Accurate Airway Segmentation [19.40457329997144]
  気管支鏡下手術は、肺疾患に対する広く用いられている臨床技術である。 気道マップは胸部CTスキャンから自動的に抽出できる。 気道の複雑な木のような構造のため、そのトポロジーの完全性を維持することは難しい課題である。
  論文  参考訳（メタデータ） (2022-02-13T08:47:01Z)
• Flip Learning: Erase to Segment [65.84901344260277]
  弱い教師付きセグメンテーション(WSS)は、時間と面倒な手作業のアノテーションを減らすのに役立ちます。 ボックスアノテーションのみを必要とするFlip Learningという,斬新で汎用的なWSSフレームワークを提案する。 提案手法は,完全教師付き学習と弱教師付き学習のギャップを狭める大きな可能性を示す。
  論文  参考訳（メタデータ） (2021-08-02T09:56:10Z)
• WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
  弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。 エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。 提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
  論文  参考訳（メタデータ） (2021-05-21T11:58:50Z)
• Channelized Axial Attention for Semantic Segmentation [70.14921019774793]
  チャネルアキシャルアテンション(CAA)を提案し、チャネルアテンションと軸アテンションをシームレスに統合し、計算複雑性を低減します。 私たちのCAAは、DANetのような他の注意モデルに比べて計算リソースをはるかに少なくするだけでなく、すべての検証済みデータセット上で最先端のResNet-101ベースのセグメンテーションモデルよりも優れています。
  論文  参考訳（メタデータ） (2021-01-19T03:08:03Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• LT-Net: Label Transfer by Learning Reversible Voxel-wise Correspondence for One-shot Medical Image Segmentation [52.2074595581139]
  医用画像における手動アノテーションの負担を軽減するため, ワンショットセグメンテーション手法を提案する。 第一の考え方は、単発セグメンテーションを古典的なアトラスに基づくセグメンテーション問題として扱うことである。 深層学習に基づくワンショットセグメンテーション法と古典的マルチアトラスセグメンテーション法に比較して,本手法が優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-16T08:36:17Z)

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。