論文の概要: Global Control for Local SO(3)-Equivariant Scale-Invariant Vessel Segmentation
- arxiv url: http://arxiv.org/abs/2403.15314v2
- Date: Mon, 19 Aug 2024 13:04:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-21 03:17:53.323532
- Title: Global Control for Local SO(3)-Equivariant Scale-Invariant Vessel Segmentation
- Title（参考訳）: 局所SO(3)-等変スケール不変容器セグメンテーションのグローバル制御
- Authors: Patryk Rygiel, Dieuwertje Alblas, Christoph Brune, Kak Khee Yeung, Jelmer M. Wolterink,
- Abstract要約: 本稿では, ボクセルマスクのセグメンテーションを利用した大域的制御器の組み合わせにより, 興味のある容器の境界条件を提供する。
腹部大動脈瘤(AAA)を含むデータセットに対する本法の有用性について検討した。
本手法は, AAA, 腸骨動脈, 腎動脈の分節における最先端の分節モデルと同等に機能する。
- 参考スコア（独自算出の注目度）: 2.2742404315918923
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Personalized 3D vascular models can aid in a range of diagnostic, prognostic, and treatment-planning tasks relevant to cardiovascular disease management. Deep learning provides a means to obtain such models automatically from image data. Ideally, a user should have control over the included region in the vascular model. Additionally, the model should be watertight and highly accurate. To this end, we propose a combination of a global controller leveraging voxel mask segmentations to provide boundary conditions for vessels of interest to a local, iterative vessel segmentation model. We introduce the preservation of scale- and rotational symmetries in the local segmentation model, leading to generalisation to vessels of unseen sizes and orientations. Combined with the global controller, this enables flexible 3D vascular model building, without additional retraining. We demonstrate the potential of our method on a dataset containing abdominal aortic aneurysms (AAAs). Our method performs on par with a state-of-the-art segmentation model in the segmentation of AAAs, iliac arteries, and renal arteries, while providing a watertight, smooth surface representation. Moreover, we demonstrate that by adapting the global controller, we can easily extend vessel sections in the 3D model.
- Abstract（参考訳）: パーソナライズされた3D血管モデルは、心臓血管疾患の管理に関連する様々な診断、予後、治療計画のタスクに役立つ。
ディープラーニングは、画像データからそのようなモデルを自動的に取得する手段を提供する。
理想的には、ユーザーは血管モデルに含まれる領域を制御すべきである。
さらに、モデルは水密で高精度でなければならない。
そこで本研究では,ボクセルマスクのセグメンテーションを利用した大域的制御器の組み合わせにより,興味のある容器の境界条件を局所的反復的容器セグメンテーションモデルに提示する。
局所分断モデルにおけるスケール対称性と回転対称性の保存を導入し、目に見えない大きさと向きの容器に一般化する。
グローバルコントローラと組み合わせることで、フレキシブルな3D血管モデル構築が可能になる。
腹部大動脈瘤 (AAA) を含むデータセットに対する本法の有用性について検討した。
本手法は,AAA,腸骨動脈,腎動脈の分節における最先端の分節モデルと同等に機能し,水密で滑らかな表面表現を提供する。
さらに,グローバルコントローラを適応させることで,3次元モデルの容器断面を容易に拡張できることが実証された。
関連論文リスト
- vesselFM: A Foundation Model for Universal 3D Blood Vessel Segmentation [2.167228869154864]
本稿では3次元血管セグメンテーションの幅広い課題に特化して設計された基盤モデルである vesselFM を提案する。
以前のモデルとは異なり、 vesselFM は見当たらない領域に懸命に一般化することができる。
論文 参考訳（メタデータ） (2024-11-26T12:44:42Z) - KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。
我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。
提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
論文 参考訳（メタデータ） (2024-10-28T16:00:42Z) - 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) - 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) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-01T10:10:46Z) - 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) - Going Off-Grid: Continuous Implicit Neural Representations for 3D
Vascular Modeling [3.435923468974656]
パーソナライズド3D血管モデルは、心血管疾患患者の診断、予後、治療計画に有用である。
伝統的にそのようなモデルはメッシュやボクセルマスクのような明示的な表現で構築されてきた。
ここでは、その符号付き距離関数のゼロレベル集合によって、微分可能な暗黙的ニューラル表現(INR)で表面を表現することを提案する。
これにより、暗黙的で、連続的で、軽量で、ディープラーニングアルゴリズムとの統合が容易な表現で、複雑な血管構造をモデル化できます。
論文 参考訳（メタデータ） (2022-07-29T13:08:35Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z) - Learning Hybrid Representations for Automatic 3D Vessel Centerline
Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。
既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。
抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。
この課題を解決するためのハイブリッド表現学習手法を提案します。
論文 参考訳（メタデータ） (2020-12-14T05:22:49Z) - Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。
また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
論文 参考訳（メタデータ） (2020-07-09T13:23:15Z)
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。