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

• SDF-Net: A Hybrid Detection Network for Mediastinal Lymph Node Detection on Contrast CT Images [38.69240497671607]
  リンパ節を効果的に検出するSwing-Det Fusion Network (SDF-Net)を提案する。 SDF-Netはセグメンテーションと検出の両方の機能を統合し、さまざまな形状と大きさのリンパ節の検出能力を向上する。
  論文  参考訳（メタデータ） (2024-09-10T08:27:44Z)
• LN-Gen: Rectal Lymph Nodes Generation via Anatomical Features [8.428364324501048]
  周囲の解剖学的構造の複雑さと注釈付きデータの不足は重大な課題である。 本研究は, 多様な, 現実的な合成直腸リンパ節サンプルを作成することを目的とした, 新規なリンパ節合成手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T11:40:23Z)
• Weakly Supervised Lymph Nodes Segmentation Based on Partial Instance Annotations with Pre-trained Dual-branch Network and Pseudo Label Learning [6.722923391378295]
  そこで本研究では, 動的混合擬似ラベル(DBDMP)を用いたプレトレーニングDual-Branchネットワークを提案し, リンパ節セグメンテーションのための部分的インスタンスアノテーションから学習する。 本手法は,Dice similarity Coefficient (DSC) を11.04%から54.10%に改善し,平均対称表面距離 (ASSD) を20.83 $mm$から8.72 $mm$に低減する。
  論文  参考訳（メタデータ） (2024-08-18T08:54:53Z)
• Mask the Unknown: Assessing Different Strategies to Handle Weak Annotations in the MICCAI2023 Mediastinal Lymph Node Quantification Challenge [2.1994532511228773]
  MICCAI 2023 Lymph Node Quantification Challengeは、縦隔の病理リンパ節分節に関する最初の公開データセットを発表した。 リンパ節アノテーションは高価であるため、この課題は、トレーニングセット内のすべてのリンパ節のサブセットだけが注釈付けされている弱い教師付き学習タスクとして形成された。 課題として,ノイズラベルトレーニングやラベルなしデータの損失マスキング,TotalSegmentatorツールボックスを擬似ラベリングの形式として組み込んだアプローチなど,弱教師付きデータのトレーニング方法が検討された。 提案したモデルではDiceスコアが0.628、平均対称表面距離が0.628に達した。
  論文  参考訳（メタデータ） (2024-06-20T14:38:33Z)
• LNQ Challenge 2023: Learning Mediastinal Lymph Node Segmentation with a Probabilistic Lymph Node Atlas [0.010416625072338245]
  リンパ節転移の評価は、正確ながん転移を達成する上で重要な役割を担っている。 リンパ節検出は、境界が不明確であり、様々な大きさと形態的特徴があるため、課題となる。 LNQ 2023 MICCAIチャレンジの一環として,課題に対処するためのツールとして解剖学的先行性(anatomical priors)を提案する。
  論文  参考訳（メタデータ） (2024-06-06T11:57:25Z)
• 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)
• 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)
• 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。