Fugu-MT 論文翻訳(概要): Towards Cross-Scale Attention and Surface Supervision for Fractured Bone Segmentation in CT

論文の概要: Towards Cross-Scale Attention and Surface Supervision for Fractured Bone Segmentation in CT

arxiv url: http://arxiv.org/abs/2405.01204v1
Date: Thu, 2 May 2024 11:46:12 GMT
ステータス: 処理完了
システム内更新日: 2024-05-03 16:44:25.406907
Title: Towards Cross-Scale Attention and Surface Supervision for Fractured Bone Segmentation in CT
Title（参考訳）: CTにおける骨折骨切片の横断的注意と表面監督に向けて
Authors: Yu Zhou, Xiahao Zou, Yi Wang,
Abstract要約: 異なるスケールで特徴を集約し、より強力なフラクチャー表現を提供するために、クロススケールアテンション機構を導入している。表面監視戦略が採用され、骨境界に注意を払うためにネットワークを明示的に拘束する。本手法の有効性を, 股関節骨折を有するCTスキャンを含む公的データセットを用いて評価した。
参考スコア（独自算出の注目度）: 5.913201544244602
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Bone segmentation is an essential step for the preoperative planning of fracture trauma surgery. The automated segmentation of fractured bone from computed tomography (CT) scans remains challenging, due to the large differences of fractures in position and morphology, and also the inherent anatomical characteristics of different bone structures. To alleviate these issues, we propose a cross-scale attention mechanism as well as a surface supervision strategy for fractured bone segmentation in CT. Specifically, a cross-scale attention mechanism is introduced to effectively aggregate the features among different scales to provide more powerful fracture representation. Moreover, a surface supervision strategy is employed, which explicitly constrains the network to pay more attention to the bone boundary. The efficacy of the proposed method is evaluated on a public dataset containing CT scans with hip fractures. The evaluation metrics are Dice similarity coefficient (DSC), average symmetric surface distance (ASSD), and Hausdorff distance (95HD). The proposed method achieves an average DSC of 93.36%, ASSD of 0.85mm, 95HD of 7.51mm. Our method offers an effective fracture segmentation approach for the pelvic CT examinations, and has the potential to be used for improving the segmentation performance of other types of fractures.
Abstract（参考訳）: 骨折外傷手術の術前計画には骨分節が不可欠である。 CT(Computed tomography)スキャンによる骨折骨の自動分割は, 骨折の位置と形態が大きく異なること, 骨構造の解剖学的特徴が異なることなどから, 依然として困難である。これらの問題を緩和するため,CTにおける骨折骨片の観察および表面管理戦略として,クロススケールアテンション機構を提案する。具体的には、異なるスケール間の特徴を効果的に集約し、より強力な破壊表現を提供するために、クロススケールアテンション機構を導入する。さらに,骨境界に注意を払うためにネットワークを明示的に拘束する表面監視戦略が採用されている。本手法の有効性を, 股関節骨折を有するCTスキャンを含む公的データセットを用いて評価した。評価指標はDice similarity coefficient(DSC)、平均対称表面距離(ASSD)、Hausdorff distance(95HD)である。提案手法は,平均DSC93.36%,ASSD0.85mm,95HD7.51mmを実現する。本手法は骨盤CT検査に有効な骨折分割法を提供し,他の骨折のセグメント化性能向上に有効である可能性が示唆された。

関連論文リスト

Leveraging Auxiliary Classification for Rib Fracture Segmentation [5.163088719949993]
本研究は, 骨盤骨折セグメント化の精度を高めるために, 補助的分類タスクを組み込んだ高度深層学習モデルを提案する。補助的分類課題は, 骨折したリブと負の領域を区別し, 非破壊的なリブと周囲の組織を包含する上で重要である。 RibFracデータセットの実験結果はセグメンテーション性能が大幅に向上したことを示している。
論文参考訳（メタデータ） (2024-11-14T08:40:08Z)
Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文参考訳（メタデータ） (2023-06-06T18:01:08Z)
Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文参考訳（メタデータ） (2022-12-01T07:32:56Z)
WSC-Trans: A 3D network model for automatic multi-structural segmentation of temporal bone CT [5.821303529939008]
側頭骨CTにおける多構造目標の自動セグメンテーションのための3次元ネットワークモデルを提案する。このアルゴリズムは特徴抽出のためにCNNとTransformerを組み合わせて,空間的注意とチャネル注意機構を活用し,セグメンテーション効果をさらに改善する。
論文参考訳（メタデータ） (2022-11-14T06:44:37Z)
Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文参考訳（メタデータ） (2022-05-16T10:59:55Z)
Fast and Robust Femur Segmentation from Computed Tomography Images for Patient-Specific Hip Fracture Risk Screening [48.46841573872642]
我々は,CTから大腿骨近位部を完全自動化し,正確かつ高速に分割するディープニューラルネットワークを提案する。本手法は, 股関節骨折リスクスクリーニングに適応し, 当科において, 股関節脱臼患者をスクリーニングするための臨床的選択肢に一歩近づいた。
論文参考訳（メタデータ） (2022-04-20T16:16:16Z)
A Deep Learning-Based Approach to Extracting Periosteal and Endosteal Contours of Proximal Femur in Quantitative CT Images [25.76523855274612]
セグメンテーションタスクのために,3次元の終端(3D)完全畳み込みニューラルネットワークを開発した。同一のネットワーク構造を持つ2つのモデルが訓練され、それぞれ腹腔内輪郭と内皮輪郭に対して97.87%と96.49%のサイコロ類似係数(DSC)を達成した。大腿骨頚部骨折のリスク予測や有限要素解析などの臨床応用の可能性を示した。
論文参考訳（メタデータ） (2021-02-03T10:23:41Z)
Automated femur segmentation from computed tomography images using a deep neural network [0.0]
骨粗しょう症(英: osteoporosis)は、骨の再生が古い骨の喪失に追いつかず、骨折のリスクが高まるという一般的な骨疾患である。我々は, 深部畳み込みニューラルネットワークを用いて, CTスキャンから大腿骨の正確な, 自動化され, 堅牢で, 高速なセグメンテーションを創出する, 大腿骨近位部セグメンテーションのための新しいアプローチを提案する。
論文参考訳（メタデータ） (2021-01-27T23:37:56Z)
Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture Detection [58.984536305767996]
自動椎骨骨折検出のための表現学習型アプローチを提案する。本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
論文参考訳（メタデータ） (2020-08-18T10:03:45Z)
Implanting Synthetic Lesions for Improving Liver Lesion Segmentation in CT Exams [0.0]
我々は,CTスライスに現実的な病変を移植し,リッチで制御可能なトレーニングサンプルセットを提供する。以上の結果から,CTスライスにおける肝病変の分節モデルの性能向上が示唆された。
論文参考訳（メタデータ） (2020-08-11T13:23:04Z)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。