論文の概要: CBCTLiTS: A Synthetic, Paired CBCT/CT Dataset For Segmentation And Style Transfer

• arxiv url: http://arxiv.org/abs/2407.14853v1
• Date: Sat, 20 Jul 2024 11:47:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-23 20:32:23.213967
• Title: CBCTLiTS: A Synthetic, Paired CBCT/CT Dataset For Segmentation And Style Transfer
• Title（参考訳）: CBCTLiTS: セグメンテーションとスタイル転送のための合成ペアCBCT/CTデータセット
• Authors: Maximilian E. Tschuchnig, Philipp Steininger, Michael Gadermayr,
• Abstract要約: CBCTLiTS(CBCTLiTS)は,高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・ CBCTデータは5つの異なる品質レベルで提供され、視覚的品質の高い多数の投影から、厳密なアーティファクトを持つ少数の投影まで到達する。
• 参考スコア（独自算出の注目度）: 0.21847754147782888
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Medical imaging is vital in computer assisted intervention. Particularly cone beam computed tomography (CBCT) with defacto real time and mobility capabilities plays an important role. However, CBCT images often suffer from artifacts, which pose challenges for accurate interpretation, motivating research in advanced algorithms for more effective use in clinical practice. In this work we present CBCTLiTS, a synthetically generated, labelled CBCT dataset for segmentation with paired and aligned, high quality computed tomography data. The CBCT data is provided in 5 different levels of quality, reaching from a large number of projections with high visual quality and mild artifacts to a small number of projections with severe artifacts. This allows thorough investigations with the quality as a degree of freedom. We also provide baselines for several possible research scenarios like uni- and multimodal segmentation, multitask learning and style transfer followed by segmentation of relatively simple, liver to complex liver tumor segmentation. CBCTLiTS is accesssible via https://www.kaggle.com/datasets/maximiliantschuchnig/cbct-liver-and-liver-tumor-segmentation-train-d ata.
• Abstract（参考訳）: 医療画像はコンピュータによる介入に不可欠である。 特に,デファクトリアルタイムと移動能力を備えたコーンビームCT(CBCT)が重要な役割を担っている。 しかし、CBCT画像は、しばしばアーティファクトに悩まされ、正確な解釈の難しさを生じさせ、より高度なアルゴリズムで研究を動機付け、臨床実践でより効果的に活用する。 本研究では, CBCTLiTS(CBCTLiTS)について述べる。CBCTLiTSは, 合成合成した, ペアとアライメントのセグメンテーションのためのラベル付きCBCTデータセットであり, 高品質な計算トモグラフィーデータである。 CBCTデータは5つの異なる品質レベルで提供され、高い視覚的品質と穏やかなアーティファクトを持つ多数のプロジェクションから、深刻なアーティファクトを持つ少数のプロジェクションまで到達する。 これにより、品質を自由度として徹底的な調査が可能になる。 また,一様および多様のセグメンテーション,マルチタスク学習,スタイル移行などのいくつかの研究シナリオに対して,比較的単純な肝腫瘍セグメンテーションと複雑な肝腫瘍セグメンテーションのセグメンテーションのセグメンテーションを行う。 CBCTLiTSはhttps://www.kaggle.com/datasets/maximiliantschuchnig/cbct-liver-and-liver-segmentation-train-dataを介してアクセス可能である。

関連論文リスト

• Med-TTT: Vision Test-Time Training model for Medical Image Segmentation [5.318153305245246]
  We propose Med-TTT, a visual backbone network with Test-Time Training layer。 このモデルは精度、感度、Dice係数の点で先行的な性能を達成する。
  論文  参考訳（メタデータ） (2024-10-03T14:29:46Z)
• SinoSynth: A Physics-based Domain Randomization Approach for Generalizable CBCT Image Enhancement [19.059201978992064]
  Cone Beam Computed Tomography (CBCT) は医学に様々な応用がある。 CBCT画像のノイズやアーティファクトへの感受性は、その有用性と信頼性の両方を損なう。 Sino Synthは、様々なCBCT固有のアーティファクトをシミュレートし、多様なCBCT画像を生成する物理に基づく分解モデルである。
  論文  参考訳（メタデータ） (2024-09-27T00:22:02Z)
• Multimodal Learning With Intraoperative CBCT & Variably Aligned Preoperative CT Data To Improve Segmentation [0.21847754147782888]
  コーンビームCT(CBCT)はコンピュータ支援による介入を促進する重要なツールである。 劣化した画像品質は下流のセグメンテーションに影響を及ぼす可能性があるが、高品質の術前スキャンが利用可能であることは、改善の可能性を示唆している。 本稿では,CBCT と CT のほぼ一致したスキャンを融合させるマルチモーダル学習法を提案し,CBCT の品質と誤調整が最終的なセグメンテーション性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2024-06-17T15:31:54Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Data-Efficient Vision Transformers for Multi-Label Disease Classification on Chest Radiographs [55.78588835407174]
  視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。 ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。 以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T09:07:45Z)
• Liver Segmentation using Turbolift Learning for CT and Cone-beam C-arm Perfusion Imaging [0.4073222202612759]
  C-arm cone-beam Computed Tomography (CBCT) を用いて肝のダイナミック灌流イメージングを改善するために時間分離法(TST)が発見された。 CT 灌流データから抽出した事前知識を用いて TST を適用するには,CT スキャンから肝臓を正確に区分けする必要がある。 本研究は,マルチスケールアテンションUNetの修正版を異なる肝セグメンテーションタスクでトレーニングするTurbolift Learningを提案する。
  論文  参考訳（メタデータ） (2022-07-20T19:38:50Z)
• FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
  Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法である これにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。 コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。 本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:14:27Z)
• 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)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)
• A$^3$DSegNet: Anatomy-aware artifact disentanglement and segmentation network for unpaired segmentation, artifact reduction, and modality translation [18.500206499468902]
  CBCT画像は, ノイズ, 組織コントラストの低下, 金属物の存在により, 品質が低く, 人工物が混入している。 脊椎のアノテーションを付加した、人工物のない高品質なCT画像が豊富に存在する。 CBCT椎体分割モデルの構築には, アノテーションを付加した未確認CT画像が有用である。
  論文  参考訳（メタデータ） (2020-01-02T06:37:09Z)

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。