論文の概要: CT Synthesis with Conditional Diffusion Models for Abdominal Lymph Node Segmentation
- arxiv url: http://arxiv.org/abs/2403.17770v1
- Date: Tue, 26 Mar 2024 14:59:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-27 14:58:20.278734
- Title: CT Synthesis with Conditional Diffusion Models for Abdominal Lymph Node Segmentation
- Title(参考訳): 腹部リンパ節郭清のための条件拡散モデルを用いたCT合成
- Authors: Yongrui Yu, Hanyu Chen, Zitian Zhang, Qiong Xiao, Wenhui Lei, Linrui Dai, Yu Fu, Hui Tan, Guan Wang, Peng Gao, Xiaofan Zhang,
- Abstract要約: 本稿では,リンパ節郭清のための条件拡散モデルとnnU-Netモデルを統合するパイプラインを提案する。
LN-DDPMはリンパ節マスクと解剖学的構造マスクをモデル条件として利用する。
腹部リンパ節データセットを用いた実験の結果,LN-DDPMは腹部リンパ節画像合成において他の生成法よりも優れており,下腹部リンパ節セグメント化作業の助けとなることが明らかとなった。
- 参考スコア(独自算出の注目度): 12.226538753367965
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite the significant success achieved by deep learning methods in medical image segmentation, researchers still struggle in the computer-aided diagnosis of abdominal lymph nodes due to the complex abdominal environment, small and indistinguishable lesions, and limited annotated data. To address these problems, we present a pipeline that integrates the conditional diffusion model for lymph node generation and the nnU-Net model for lymph node segmentation to improve the segmentation performance of abdominal lymph nodes through synthesizing a diversity of realistic abdominal lymph node data. We propose LN-DDPM, a conditional denoising diffusion probabilistic model (DDPM) for lymph node (LN) generation. LN-DDPM utilizes lymph node masks and anatomical structure masks as model conditions. These conditions work in two conditioning mechanisms: global structure conditioning and local detail conditioning, to distinguish between lymph nodes and their surroundings and better capture lymph node characteristics. The obtained paired abdominal lymph node images and masks are used for the downstream segmentation task. Experimental results on the abdominal lymph node datasets demonstrate that LN-DDPM outperforms other generative methods in the abdominal lymph node image synthesis and better assists the downstream abdominal lymph node segmentation task.
- Abstract(参考訳): 医用画像分割における深層学習法による大きな成功にもかかわらず、研究者は複雑な腹部環境、小さく、識別不能な病変、限られた注釈付きデータによる腹部リンパ節のコンピュータ診断に苦慮している。
これらの問題に対処するために, リンパ節生成のための条件拡散モデルとリンパ節セグメント化のためのnnU-Netモデルを統合し, リアルな腹部リンパ節データの多様性を合成することにより, 腹部リンパ節のセグメンテーション性能を向上させるパイプラインを提案する。
リンパ節(LN)生成のための条件分解拡散確率モデル(DDPM)であるLN-DDPMを提案する。
LN-DDPMはリンパ節マスクと解剖学的構造マスクをモデル条件として利用する。
これらの条件は、大域的な構造条件付けと局所的な詳細条件付けという2つの条件付けのメカニズムで機能し、リンパ節とその周辺を区別し、より優れたリンパ節特性を捕捉する。
下流セグメンテーションタスクには、得られたペアの腹部リンパ節画像とマスクが使用される。
腹部リンパ節データセットを用いた実験の結果,LN-DDPMは腹部リンパ節画像合成において他の生成法よりも優れており,下腹部リンパ節セグメント化作業の助けとなることが明らかとなった。
関連論文リスト
- Meply: A Large-scale Dataset and Baseline Evaluations for Metastatic Perirectal Lymph Node Detection and Segmentation [10.250943622693429]
今回,Meply という大規模な直腸転移性リンパ節CT画像データセットを初めて紹介した。
本稿では,新しいリンパ節分節モデルであるCoSAMを紹介する。
CoSAMは、直腸癌における転移性リンパ節の分節を誘導する配列に基づく検出を利用する。
論文 参考訳(メタデータ) (2024-04-13T07:30:16Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - A Weakly Supervised Segmentation Network Embedding Cross-scale Attention
Guidance and Noise-sensitive Constraint for Detecting Tertiary Lymphoid
Structures of Pancreatic Tumors [19.775101438245272]
膵病理像における3次リンパ構造(TLS)の存在は膵腫瘍の予後を示す重要な指標である。
数発の学習でTLSを検出するために,弱い教師付きセグメンテーションネットワークを提案する。
得られた2つのデータセットに対する実験結果から,提案手法はTLSの検出精度において,最先端のセグメンテーションに基づくアルゴリズムよりも有意に優れていることが示された。
論文 参考訳(メタデータ) (2023-07-27T03:25:09Z) - SGDA: Towards 3D Universal Pulmonary Nodule Detection via Slice Grouped
Domain Attention [47.44114201293201]
肺がんは世界中でがんの死因となっている。
現在の肺結節検出法は通常ドメイン固有である。
肺結節検出ネットワークの一般化能力を高めるために,スライスグループドメインアテンション(SGDA)モジュールを提案する。
論文 参考訳(メタデータ) (2023-03-07T03:17:49Z) - Deep Learning Provides Rapid Screen for Breast Cancer Metastasis with
Sentinel Lymph Nodes [0.0]
本研究は, 転移に対して陽性あるいは陰性で, センチネルリンパ節からの小さな画像パッチのみを用いた乳癌検診に焦点をあてる。
我々は、この目的のために診断モデルを構築するために、Python言語で畳み込みニューラルネットワークを設計する。
論文 参考訳(メタデータ) (2023-01-14T15:57:00Z) - Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。
現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。
本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文 参考訳(メタデータ) (2022-09-07T05:01:38Z) - Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule
Augmentation and Detection [52.93342510469636]
肺癌早期検診では胸部X線像の肺結節検出が一般的である。
ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。
このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
論文 参考訳(メタデータ) (2022-07-19T16:38:48Z) - 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) - Mediastinal lymph nodes segmentation using 3D convolutional neural
network ensembles and anatomical priors guiding [0.0]
拡大および潜在的悪性リンパ節の存在を評価し、疾患の進行を適切に推定し、最良の治療戦略を選択する必要があります。
3D畳み込みニューラルネットワークの使用について,スラブ方式や全ボリュームのダウンサンプリングを利用する方法を検討した。
短軸直径$geq10$ mmの1178リンパ節では、私たちの最高のパフォーマンスアプローチは92%の患者ワイズリコール、5の患者ごとの偽陽性比と80.5%の分割重複に達しました。
論文 参考訳(メタデータ) (2021-02-11T14:51:34Z) - GanglionNet: Objectively Assess the Density and Distribution of Ganglion
Cells With NABLA-N Network [0.0]
我々は,ガングリオンネット(GangglionNet)と呼ばれる新たなNABLA_Nネットワークを用いた深層学習(DL)アプローチを用いて,免疫染色ガングリオン細胞を検出・カウントする自動化手法を提案する。
ガングリオンネットは2560x1920ピクセルの完全に新しいHPF(High Power Field)画像でテストされ、その出力は専門家の病理学者による手動計数結果と比較される。
提案手法はガングリオンネットの強靭性を示す専門病理医の計数と比較すると, ガングリオン細胞に対するロバスト97.49%の検出精度を示す。
論文 参考訳(メタデータ) (2020-07-05T15:46:13Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳(メタデータ) (2020-04-22T07:30:56Z)
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。