論文の概要: A New Approach for Evaluating and Improving the Performance of Segmentation Algorithms on Hard-to-Detect Blood Vessels
- arxiv url: http://arxiv.org/abs/2406.13128v1
- Date: Wed, 19 Jun 2024 00:45:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 23:48:36.327229
- Title: A New Approach for Evaluating and Improving the Performance of Segmentation Algorithms on Hard-to-Detect Blood Vessels
- Title（参考訳）: ハード・トゥ・ディテクト血液容器におけるセグメンテーションアルゴリズムの性能評価と改善のための新しいアプローチ
- Authors: João Pedro Parella, Matheus Viana da Silva, Cesar Henrique Comin,
- Abstract要約: 容器の局所強度と画素周辺の画像背景を比較することにより、各容器画素に対して局所血管塩濃度(LVS)指数を算出する。
低濃度リコール(LSRecall)は、低濃度の血管セグメントにおけるセグメンテーションアルゴリズムの性能を定量化する新しい精度指標である。
高いDice値とリコール値を持つセグメンテーションアルゴリズムはLSRecall値が非常に低いことを示し、これらのアルゴリズムの系統的誤りを、低いサリエンスを持つ船舶に対して明らかにする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many studies regarding the vasculature of biological tissues involve the segmentation of the blood vessels in a sample followed by the creation of a graph structure to model the vasculature. The graph is then used to extract relevant vascular properties. Small segmentation errors can lead to largely distinct connectivity patterns and a high degree of variability of the extracted properties. Nevertheless, global metrics such as Dice, precision, and recall are commonly applied for measuring the performance of blood vessel segmentation algorithms. These metrics might conceal important information about the accuracy at specific regions of a sample. To tackle this issue, we propose a local vessel salience (LVS) index to quantify the expected difficulty in segmenting specific blood vessel segments. The LVS index is calculated for each vessel pixel by comparing the local intensity of the vessel with the image background around the pixel. The index is then used for defining a new accuracy metric called low-salience recall (LSRecall), which quantifies the performance of segmentation algorithms on blood vessel segments having low salience. The perspective provided by the LVS index is used to define a data augmentation procedure that can be used to improve the segmentation performance of convolutional neural networks. We show that segmentation algorithms having high Dice and recall values can display very low LSRecall values, which reveals systematic errors of these algorithms for vessels having low salience. The proposed data augmentation procedure is able to improve the LSRecall of some samples by as much as 25%. The developed methodology opens up new possibilities for comparing the performance of segmentation algorithms regarding hard-to-detect blood vessels as well as their capabilities for vascular topology preservation.
- Abstract（参考訳）: 生体組織の血管に関する多くの研究は、サンプル内の血管の分断と、血管をモデル化するグラフ構造の作成を含む。
グラフは、関連する血管特性を抽出するために使用される。
小さいセグメンテーション誤差は、主に異なる接続パターンと抽出された特性の高いばらつきをもたらす可能性がある。
それでも、Dice、精度、リコールといったグローバルな指標は、血管分割アルゴリズムのパフォーマンスを測定するために一般的に適用されている。
これらの指標は、サンプルの特定の領域における精度に関する重要な情報を隠蔽する可能性がある。
そこで本研究では,特定の血管セグメントの分節化の難しさを定量化するために,局所血管サリエンス(LVS)指標を提案する。
LVS指数は、各容器の局所強度と画素周辺の画像背景を比較することにより、各容器画素に対して算出される。
次に、この指標を使用して、低濃度リコール(LSRecall)と呼ばれる新しい精度メトリックを定義し、低濃度の血管セグメントにおけるセグメンテーションアルゴリズムのパフォーマンスを定量化する。
LVSインデックスが提供する視点は、畳み込みニューラルネットワークのセグメンテーション性能を改善するために使用できるデータ拡張手順を定義するために使用される。
高いDice値とリコール値を持つセグメンテーションアルゴリズムはLSRecall値が極めて低いことを示し、これらのアルゴリズムの系統的誤りを、低いサリエンスを持つ船舶に対して明らかにする。
提案したデータ拡張手順は、いくつかのサンプルのLSRecallを最大25%改善することができる。
開発した手法は, 検出困難な血管に関するセグメンテーションアルゴリズムの性能と血管トポロジーの保存能力を比較するための新たな可能性を開く。
関連論文リスト
- LMBiS-Net: A Lightweight Multipath Bidirectional Skip Connection based
CNN for Retinal Blood Vessel Segmentation [0.0]
ブラディングアイの病気は、しばしば変化した網膜形態と相関し、眼底画像の網膜構造をセグメント化することによって臨床的に識別できる。
深層学習は、医用画像のセグメンテーションにおいて有望であるが、反復的な畳み込みとプール操作への依存は、エッジ情報の表現を妨げる可能性がある。
LMBiS-Net と呼ばれる軽量な画素レベルのCNNを網膜血管のセグメンテーションのために提案する。
論文 参考訳（メタデータ） (2023-09-10T09:03:53Z) - RLogist: Fast Observation Strategy on Whole-slide Images with Deep
Reinforcement Learning [15.955265218706467]
計算病理学における全スライディング画像(WSI)は、高解像度でギガピクセルサイズを持つが、一般的には少ない関心領域を持つ。
我々は,WSI 上での高速観測戦略のための深層強化学習 (DRL) 手法である RLogist を開発した。
論文 参考訳（メタデータ） (2022-12-04T04:03:34Z) - 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) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - SVS-net: A Novel Semantic Segmentation Network in Optical Coherence
Tomography Angiography Images [0.0]
この研究は、セグメンテーションを行う際にOCTA画像からスペックルノイズアーティファクトを除去することに焦点を当てた。
スペックルノイズはOCTAで一般的であり、特に大きな非灌流領域で顕著である。
SVS-netは、他のよく知られたモデルと比較して精度、リコール、F1スコア、Kappaスコアが向上した。
論文 参考訳（メタデータ） (2021-04-14T19:19:17Z) - Learning Optical Flow from a Few Matches [67.83633948984954]
密な相関体積表現は冗長であり、その中の要素のほんの一部で正確なフロー推定が達成できることを示した。
実験により,高い精度を維持しつつ計算コストとメモリ使用量を大幅に削減できることを示した。
論文 参考訳（メタデータ） (2021-04-05T21:44:00Z) - Towards Robust Partially Supervised Multi-Structure Medical Image
Segmentation on Small-Scale Data [123.03252888189546]
データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。
マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。
本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
論文 参考訳（メタデータ） (2020-11-28T16:31:00Z) - Claw U-Net: A Unet-based Network with Deep Feature Concatenation for
Scleral Blood Vessel Segmentation [18.10578418379116]
SWS(Sturge-Weber syndrome)は、血管奇形疾患であり、患者の症状が重篤な場合、失明を引き起こす可能性がある。
精巣血管を正確に分画する方法は,コンピュータ診断において重要な問題となっている。
Claw UNetは、硬化血管画像データセット上で、他のUNetベースのネットワークを上回っている。
論文 参考訳（メタデータ） (2020-10-20T09:55:29Z) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳（メタデータ） (2020-09-10T01:57:53Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z) - clDice -- A Novel Topology-Preserving Loss Function for Tubular
Structure Segmentation [57.20783326661043]
中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。
理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。
我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
論文 参考訳（メタデータ） (2020-03-16T16:27:49Z)
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。