Fugu-MT 論文翻訳(概要): UADSN: Uncertainty-Aware Dual-Stream Network for Facial Nerve Segmentation

論文の概要: UADSN: Uncertainty-Aware Dual-Stream Network for Facial Nerve Segmentation

arxiv url: http://arxiv.org/abs/2407.00297v1
Date: Sat, 29 Jun 2024 03:30:29 GMT
ステータス: 処理完了
システム内更新日: 2024-07-04 05:41:03.346790
Title: UADSN: Uncertainty-Aware Dual-Stream Network for Facial Nerve Segmentation
Title（参考訳）: UADSN: 顔面神経分離のための不確かさを意識したデュアルストリームネットワーク
Authors: Guanghao Zhu, Lin Liu, Jing Zhang, Xiaohui Du, Ruqian Hao, Juanxiu Liu,
Abstract要約: 顔面神経は直径1.0-1.5mmの管状器官である。 CTスキャンでは顔面神経の特定と分画が困難である。我々は不確実性を考慮したデュアルストリームネットワーク(UADSN)を提案する。
参考スコア（独自算出の注目度）: 13.928053592108267
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Facial nerve segmentation is crucial for preoperative path planning in cochlear implantation surgery. Recently, researchers have proposed some segmentation methods, such as atlas-based and deep learning-based methods. However, since the facial nerve is a tubular organ with a diameter of only 1.0-1.5mm, it is challenging to locate and segment the facial nerve in CT scans. In this work, we propose an uncertainty-aware dualstream network (UADSN). UADSN consists of a 2D segmentation stream and a 3D segmentation stream. Predictions from two streams are used to identify uncertain regions, and a consistency loss is employed to supervise the segmentation of these regions. In addition, we introduce channel squeeze & spatial excitation modules into the skip connections of U-shaped networks to extract meaningful spatial information. In order to consider topologypreservation, a clDice loss is introduced into the supervised loss function. Experimental results on the facial nerve dataset demonstrate the effectiveness of UADSN and our submodules.
Abstract（参考訳）: 顔面神経節は人工内耳手術の術前計画に不可欠である。近年,アトラス法や深層学習法などのセグメンテーション手法が提案されている。しかし, 顔面神経は直径1.0～1.5mmの管状器官であるため, CTスキャンでは顔面神経の位置と分画が困難である。本研究では,不確実性を考慮したデュアルストリームネットワーク(UADSN)を提案する。 UADSNは、2Dセグメンテーションストリームと3Dセグメンテーションストリームで構成される。 2つのストリームからの予測は不確実な領域を特定するために使用され、これらの領域のセグメンテーションを監督するために一貫性損失が使用される。さらに,U字型ネットワークのスキップ接続にチャネル圧縮・空間励起モジュールを導入し,意味のある空間情報を抽出する。位相保存を考えるために、教師付き損失関数にclDice損失を導入する。顔面神経データセットの実験結果から,UADSNとサブモジュールの有効性が示された。

関連論文リスト

USL-Net: Uncertainty Self-Learning Network for Unsupervised Skin Lesion Segmentation [7.323593316293092]
皮膚病変のセグメンテーションのために設計された革新的不確実性自己学習ネットワーク(USL-Net)を導入する。 USL-Netは、手動ラベリングガイダンスの必要をなくし、様々な病変を効果的に分割することができる。我々は、フォアグラウンドの擬似ラベルを洗練し、ノイズによる誤りを低減するために、接続検出と集中検出を用いる。
論文参考訳（メタデータ） (2023-09-23T07:08:57Z)
Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文参考訳（メタデータ） (2023-01-12T08:19:46Z)
Dual-Stage Deeply Supervised Attention-based Convolutional Neural Networks for Mandibular Canal Segmentation in CBCT Scans [4.140750794848906]
下顎管の自動検出のための新しい2段階深層学習手法を提案する。特に,我々はまず,新しいヒストグラムに基づく動的ウィンドウリング手法を用いてCBCTスキャンを強化する。拡張後,関心のボリュームをローカライズするU-Netアーキテクチャを3Dで設計する。
論文参考訳（メタデータ） (2022-10-06T09:08:56Z)
Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文参考訳（メタデータ） (2022-09-05T16:38:13Z)
A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-24T18:58:40Z)
FDA: Feature Decomposition and Aggregation for Robust Airway Segmentation [28.880817101034715]
クリーン領域とノイズ領域の変動に対処する新しいデュアルストリームネットワークを提案する。トランスファー可能なクリーンな特徴とノイズの多い特徴を別々に抽出する2つの異なるエンコーダを設計した。ノイズCTでは, 気管支の分画が良好であった。
論文参考訳（メタデータ） (2021-09-07T08:16:51Z)
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)
Automatic Segmentation of Organs-at-Risk from Head-and-Neck CT using Separable Convolutional Neural Network with Hard-Region-Weighted Loss [10.93840864507459]
鼻咽頭癌 (Nasopharyngeal Carcinoma, NPC) は, 北極, 中国, 東南アジア, 中東/北アフリカにおける頭頸部癌(HAN)の進行型である。不確実性のあるCT画像からのOrgans-at-Risk(OAR)の正確なセグメンテーションは、NPC治療のための放射線治療を効果的に計画するために重要である。本稿では,信頼性の高い不確実性推定を伴う高精度OARセグメンテーションのための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2021-02-03T06:31:38Z)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)
Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-05-15T23:57:36Z)
Recurrent convolutional neural networks for mandible segmentation from computed tomography [0.9851812512860351]
本稿では、分割畳み込み畳み込みニューラルネットワーク(SegCNN)をリカレントニューラルネットワーク(RNN)に組み込む再帰分割畳み込み畳み込みニューラルネットワーク(RSegCNN)を提案する。このようなシステムの設計は、CTスキャンで隣接する画像スライスでキャプチャされた下顎形状の類似性と連続性を考慮に入れている。 RSegCNNは、正確な下顎分割のための最先端のモデルよりもはるかに優れている。
論文参考訳（メタデータ） (2020-03-13T21:11:28Z)

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。