論文の概要: A Spatial-Temporal Progressive Fusion Network for Breast Lesion Segmentation in Ultrasound Videos

• arxiv url: http://arxiv.org/abs/2403.11699v1
• Date: Mon, 18 Mar 2024 11:56:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 15:28:10.283947
• Title: A Spatial-Temporal Progressive Fusion Network for Breast Lesion Segmentation in Ultrasound Videos
• Title（参考訳）: 超音波映像における乳房病変分割のための空間時間進行型核融合ネットワーク
• Authors: Zhengzheng Tu, Zigang Zhu, Yayang Duan, Bo Jiang, Qishun Wang, Chaoxue Zhang,
• Abstract要約: 超音波画像による乳房病変の分節化の最大の課題は、フレーム内とフレーム間の両方の病変を同時に活用する方法である。 本稿では,ビデオベース乳房病変分割問題に対する新しい空間進行核融合ネットワーク(STPFNet)を提案する。 STPFNetは、最先端の方法よりも優れた乳房病変検出性能を実現する。
• 参考スコア（独自算出の注目度）: 7.0117363464728815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound video-based breast lesion segmentation provides a valuable assistance in early breast lesion detection and treatment. However, existing works mainly focus on lesion segmentation based on ultrasound breast images which usually can not be adapted well to obtain desirable results on ultrasound videos. The main challenge for ultrasound video-based breast lesion segmentation is how to exploit the lesion cues of both intra-frame and inter-frame simultaneously. To address this problem, we propose a novel Spatial-Temporal Progressive Fusion Network (STPFNet) for video based breast lesion segmentation problem. The main aspects of the proposed STPFNet are threefold. First, we propose to adopt a unified network architecture to capture both spatial dependences within each ultrasound frame and temporal correlations between different frames together for ultrasound data representation. Second, we propose a new fusion module, termed Multi-Scale Feature Fusion (MSFF), to fuse spatial and temporal cues together for lesion detection. MSFF can help to determine the boundary contour of lesion region to overcome the issue of lesion boundary blurring. Third, we propose to exploit the segmentation result of previous frame as the prior knowledge to suppress the noisy background and learn more robust representation. In particular, we introduce a new publicly available ultrasound video breast lesion segmentation dataset, termed UVBLS200, which is specifically dedicated to breast lesion segmentation. It contains 200 videos, including 80 videos of benign lesions and 120 videos of malignant lesions. Experiments on the proposed dataset demonstrate that the proposed STPFNet achieves better breast lesion detection performance than state-of-the-art methods.
• Abstract（参考訳）: 乳房病変の早期発見と治療には,超音波画像による乳房病変の分節が有用である。 しかし,既存の研究は主に超音波乳房画像に基づく病変のセグメンテーションに焦点が当てられている。 超音波ビデオによる乳房病変の分節化の最大の課題は、フレーム内およびフレーム間の両方の病変を同時に活用する方法である。 この問題を解決するために,ビデオベース乳房病変分割問題に対する空間時間進行核融合ネットワーク(STPFNet)を提案する。 提案されているSTPFNetの主な側面は3倍である。 まず,各フレーム内の空間的依存と,異なるフレーム間の時間的相関を同時に捉えて超音波データ表現を行うための統合ネットワークアーキテクチャを提案する。 次に,Multi-Scale Feature Fusion (MSFF) と呼ばれる新しい融合モジュールを提案する。 MSFFは病変領域の境界輪郭を決定するのに役立ち、病変境界のぼかしの問題を克服する。 第3に、雑音の背景を抑え、より堅牢な表現を学習するために、前者のフレームのセグメンテーション結果を先行知識として活用することを提案する。 特に,乳房病変のセグメンテーションに特化した超音波ビデオ乳房病変セグメンテーションデータセットUVBLS200を導入する。 その中には、良性病変の80本のビデオと悪性病変の120本のビデオが含まれる。 提案したデータセットを用いた実験により,STPFNetは最先端の方法よりも優れた乳房病変検出性能が得られることが示された。

関連論文リスト

• A2DMN: Anatomy-Aware Dilated Multiscale Network for Breast Ultrasound Semantic Segmentation [44.99833362998488]
  そこで本研究では, 乳腺解剖をエンコードするスムーズな表現法と, 微細な画像の詳細を捉えた新しい乳腺解剖ネットワークを提案する。 複数の空間スケールにわたるコンテキスト情報を組み込んで、より正確な意味境界を生成する。 以上の結果から, 提案法は, 筋肉, 乳腺, 腫瘍のセグメンテーションを有意に改善することが示された。
  論文  参考訳（メタデータ） (2024-03-22T18:31:24Z)
• Is Two-shot All You Need? A Label-efficient Approach for Video Segmentation in Breast Ultrasound [4.113689581316844]
  BUSビデオセグメンテーションのための新しい2ショットトレーニングパラダイムを提案する。 自由範囲の時空一貫性をキャプチャできるだけでなく、ソース依存の拡張スキームも利用できる。 その結果、トレーニングラベルは1.9%しか与えられていないが、完全に注釈付けされたものと比較するとパフォーマンスが向上した。
  論文  参考訳（メタデータ） (2024-02-07T14:47:08Z)
• Shifting More Attention to Breast Lesion Segmentation in Ultrasound Videos [43.454994341021276]
  572本の動画と34,300本の注釈付きフレームからなるUSビデオ乳房病変セグメンテーションデータセットを精査した。 周波数領域から時間的特徴を学習する新しい周波数・局所化特徴集約ネットワーク(FLA-Net)を提案する。 我々のアノテーション付きデータセットと2つの公開ビデオポリプセグメンテーションデータセットに関する実験は、提案したFLA-Netが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2023-10-03T07:50:32Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• A New Dataset and A Baseline Model for Breast Lesion Detection in Ultrasound Videos [43.42513012531214]
  乳房病変検出のための超音波ビデオデータセット(188ビデオ)をまず収集し,注釈する。 超音波映像における胸部病変検出のためのクリップレベル・ビデオレベルのアグリゲートネットワーク(CVA-Net)を提案する。
  論文  参考訳（メタデータ） (2022-07-01T01:37:50Z)
• FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
  Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法である これにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。 コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。 本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:14:27Z)
• Global Guidance Network for Breast Lesion Segmentation in Ultrasound Images [84.03487786163781]
  我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。 当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
  論文  参考訳（メタデータ） (2021-04-05T13:15:22Z)

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。