論文の概要: SLoRD: Structural Low-Rank Descriptors for Shape Consistency in Vertebrae Segmentation

• arxiv url: http://arxiv.org/abs/2407.08555v3
• Date: Wed, 28 May 2025 10:14:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:49.998245
• Title: SLoRD: Structural Low-Rank Descriptors for Shape Consistency in Vertebrae Segmentation
• Title（参考訳）: SLoRD:Vertebrae Segmentationにおける形状整合性のための構造的低ランク記述子
• Authors: Xin You, Yixin Lou, Minghui Zhang, Jie Yang, Yun Gu,
• Abstract要約: 各種臨床応用にはCT像からの多型椎骨切開が重要である。 既存の単段法と多段法は、不正確な脊椎の分節に悩まされている。 形状整合性のための構造的低ランク記述子に基づく輪郭生成ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 12.964962611736443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic and precise multi-class vertebrae segmentation from CT images is crucial for various clinical applications. However, due to similar appearances between adjacent vertebrae and the existence of various pathologies, existing single-stage and multi-stage methods suffer from imprecise vertebrae segmentation. Essentially, these methods fail to explicitly impose both contour precision and intra-vertebrae voxel consistency constraints synchronously, resulting in the intra-vertebrae segmentation inconsistency, which refers to multiple label predictions inside a singular vertebra. In this work, we intend to label complete binary masks with sequential indices to address that challenge. Specifically, a contour generation network is proposed based on Structural Low-Rank Descriptors for shape consistency, termed SLoRD. For a structural representation of vertebral contours, we adopt the spherical coordinate system and devise the spherical centroid to calculate contour descriptors. Due to vertebrae's similar appearances, basic contour descriptors can be acquired offline to restore original contours. Therefore, SLoRD leverages these contour priors and explicit shape constraints to facilitate regressed contour points close to vertebral surfaces. Quantitative and qualitative evaluations on VerSe 2019 and 2020 demonstrate the superior performance of our framework over other single-stage and multi-stage state-of-the-art (SOTA) methods. Further, SLoRD is a plug-and-play framework to refine the segmentation inconsistency existing in coarse predictions from other approaches. Source codes are available.
• Abstract（参考訳）: 様々な臨床応用において,CT画像からの自動的,高精度な椎骨分割が重要である。 しかし、隣接する椎骨間の類似の出現と様々な病理の存在により、既存の単段法と多段法は不正確な椎骨分割に悩まされている。 基本的に、これらの手法は輪郭精度と椎骨内ボクセル一貫性の制約を同期的に課すことができず、その結果、椎骨内の複数のラベル予測に言及する椎骨内セグメンテーションの不整合が生じる。 本研究では,この課題に対処するために,逐次指標付き完全二項マスクをラベル付けする。 具体的には、SLoRDと呼ばれる形状整合性のための構造的低ランク記述子に基づく輪郭生成ネットワークを提案する。 脊椎輪郭の構造的表現として,球面座標系を採用し,球面中心波を考案して輪郭記述子を計算する。 椎骨の類似した外観のため、基本的な輪郭記述子をオフラインで取得して元の輪郭を復元することができる。 したがって、SLoRDはこれらの輪郭先行と明示的な形状制約を利用して、脊椎表面に近い回帰輪郭点を促進する。 VerSe 2019と2020の定量的および定性的な評価は、他の単一ステージおよび多ステージのSOTA(State-of-the-art)メソッドよりも優れたパフォーマンスを示している。 さらに、SLoRDは、他のアプローチからの粗い予測に存在するセグメンテーションの不整合を洗練するためのプラグアンドプレイフレームワークである。 ソースコードは利用可能である。

関連論文リスト

• Weakly Supervised Segmentation Framework for Thyroid Nodule Based on High-confidence Labels and High-rationality Losses [8.791228963429383]
  トポロジカルな情報と解剖学的な情報を表現し,多段階の識別特徴を捉えるために,高信頼な擬似ラベルを用いたフレームワークを提案する。 提案手法は,TN3KおよびDDTIデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-02-27T02:48:00Z)
• Uncertainty-aware retinal layer segmentation in OCT through probabilistic signed distance functions [6.765624289092461]
  オプティカルコヒーレンス・トモグラフィー(OCT)スキャンにおける不確実性認識網膜層セグメンテーションの新しいアプローチを提案する。 本手法は、レベルセットを介して網膜層形状を効果的にパラメータ化する符号付き距離関数(SDF)を予測することにより、セグメンテーションを洗練する。 これにより、あいまいな入力、撮像ノイズ、信頼できないセグメンテーションが存在する場合でも、網膜層の堅牢な表現が保証される。
  論文  参考訳（メタデータ） (2024-12-06T10:44:11Z)
• Beyond Point Annotation: A Weakly Supervised Network Guided by Multi-Level Labels Generated from Four-Point Annotation for Thyroid Nodule Segmentation in Ultrasound Image [8.132809580086565]
  微妙な結節セグメンテーションの制約を洗練するために、4点アノテーションから多レベルラベルを生成する弱教師付きネットワークを提案する。 提案するネットワークは,2つの公開データセットにおいて,精度とロバスト性に関して,既存の弱教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2024-10-25T06:34:53Z)
• SpineCLUE: Automatic Vertebrae Identification Using Contrastive Learning and Uncertainty Estimation [12.427024671144869]
  脊椎疾患の診断において、任意の視野における動詞の同定が重要な役割を担っている。 スピンレベルの既存の方法は、この課題を満たすことができません。 椎骨レベルでの3次元CT椎骨識別の課題に対処する3段階法を提案する。
  論文  参考訳（メタデータ） (2024-01-14T12:02:39Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• RECIST Weakly Supervised Lesion Segmentation via Label-Space Co-Training [30.938824115941603]
  本稿では,リッチなRECISTアノテーションを画素単位の病変セグメンテーションに活用するための弱教師付きフレームワークを提案する。 RECISTアノテーションに基づいて、病変ごとに一対のアンダーセグメンテーションマスクとオーバーセグメンテーションマスクが構築される。 提案フレームワークの優位性を示すために,公開データセット上で実験を行う。
  論文  参考訳（メタデータ） (2023-03-01T03:15:31Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• ZScribbleSeg: Zen and the Art of Scribble Supervised Medical Image Segmentation [16.188681108101196]
  弱い教師付きセグメンテーションにのみスクリブルアノテーションを活用することを提案する。 既存のソリューションは主に注釈付き領域でのみ計算された選択的損失を利用する。 空間的関係と形状を事前にエンコードする正規化項を導入する。 我々は、ZScribbleSegと表記される統合フレームワークに、効率的なスクリブル監視を前者と統合する。
  論文  参考訳（メタデータ） (2023-01-12T09:00:40Z)
• TraSeTR: Track-to-Segment Transformer with Contrastive Query for Instance-level Instrument Segmentation in Robotic Surgery [60.439434751619736]
  そこで我々は,TraSeTRを提案する。TraSeTR,TraSeTR,Trace-to-Segment Transformerは,手術器具のセグメンテーションを支援する。 TraSeTRは、機器の種類、位置、アイデンティティとインスタンスレベルの予測を共同で理由付けている。 提案手法の有効性を,3つの公開データセットに対して,最先端の計器型セグメンテーション結果を用いて実証した。
  論文  参考訳（メタデータ） (2022-02-17T05:52:18Z)
• Context-aware virtual adversarial training for anatomically-plausible segmentation [24.81862697703223]
  本稿では,解剖学的に妥当なセグメンテーションを生成するために,コンテキスト対応の仮想敵訓練(CaVAT)法を提案する。 我々は,制約に違反する例を生成するために,敵対的トレーニングを用いて,そのような誤った予測をしないように学習する。 臨床的に関連のある2つのデータセットの実験では、領域接続性の観点から正確かつ解剖学的に解明可能なセグメンテーションを生成する方法が示されている。
  論文  参考訳（メタデータ） (2021-07-12T16:01:27Z)
• SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
  単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。 我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。 複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-04-07T19:27:17Z)
• Towards Unbiased COVID-19 Lesion Localisation and Segmentation via Weakly Supervised Learning [66.36706284671291]
  本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。 このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
  論文  参考訳（メタデータ） (2021-03-01T06:05:49Z)
• LT-Net: Label Transfer by Learning Reversible Voxel-wise Correspondence for One-shot Medical Image Segmentation [52.2074595581139]
  医用画像における手動アノテーションの負担を軽減するため, ワンショットセグメンテーション手法を提案する。 第一の考え方は、単発セグメンテーションを古典的なアトラスに基づくセグメンテーション問題として扱うことである。 深層学習に基づくワンショットセグメンテーション法と古典的マルチアトラスセグメンテーション法に比較して,本手法が優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-16T08:36:17Z)

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。