論文の概要: Deep Learning for Pancreas Segmentation: a Systematic Review

• arxiv url: http://arxiv.org/abs/2407.16313v1
• Date: Tue, 23 Jul 2024 09:05:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-24 17:56:16.914877
• Title: Deep Learning for Pancreas Segmentation: a Systematic Review
• Title（参考訳）: 膵分画のための深層学習 : 体系的レビュー
• Authors: Andrea Moglia, Matteo Cavicchioli, Luca Mainardi, Pietro Cerveri,
• Abstract要約: 膵分離のための多くの深層学習モデルが近年提案されている。 腹部CTにて小径の膵分画が困難であった。
• 参考スコア（独自算出の注目度）: 0.5714074111744111
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Pancreas segmentation has been traditionally challenging due to its small size in computed tomography abdominal volumes, high variability of shape and positions among patients, and blurred boundaries due to low contrast between the pancreas and surrounding organs. Many deep learning models for pancreas segmentation have been proposed in the past few years. We present a thorough systematic review based on the Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA) statement. The literature search was conducted on PubMed, Web of Science, Scopus, and IEEE Xplore on original studies published in peer-reviewed journals from 2013 to 2023. Overall, 130 studies were retrieved. We initially provided an overview of the technical background of the most common network architectures and publicly available datasets. Then, the analysis of the studies combining visual presentation in tabular form and text description was reported. The tables grouped the studies specifying the application, dataset size, design (model architecture, learning strategy, and loss function), results, and main contributions. We first analyzed the studies focusing on parenchyma segmentation using coarse-to-fine approaches, multi-organ segmentation, semi-supervised learning, and unsupervised learning, followed by those studies on generalization to other datasets and those concerning the design of new loss functions. Then, we analyzed the studies on segmentation of tumors, cysts, and inflammation reporting multi-stage methods, semi-supervised learning, generalization to other datasets, and design of new loss functions. Finally, we provided a critical discussion on the subject based on the published evidence underlining current issues that need to be addressed before clinical translation.
• Abstract（参考訳）: 膵分画は, 腹部CTでは小さかったこと, 形状や位置のばらつきが強く, 膵と周辺臓器とのコントラストが低かったため, 従来は困難であった。 膵分離のための多くの深層学習モデルが近年提案されている。 本報告では,システムレビュー・メタアナリシス(PRISMA)の論文に基づいて,詳細な体系的レビューを行う。 文献検索は、2013年から2023年までの査読付きジャーナルに掲載されたオリジナルの研究について、PubMed、Web of Science、Scopus、IEEE Xplore上で行われた。 合計130件が回収された。 最初は、最も一般的なネットワークアーキテクチャと公開データセットの技術背景の概要を提供しました。 そして,表形式での視覚提示とテキスト記述を組み合わせた研究を報告した。 それらのテーブルは、アプリケーション、データセットのサイズ、設計(モデルアーキテクチャ、学習戦略、損失関数)、結果、主なコントリビューションに関する研究をグループ化した。 まず, 粗大なアプローチ, 多臓器分割, 半教師付き学習, および教師なし学習を用いて, パーエンキマセグメンテーションに着目した研究を行い, 続いて, 他のデータセットへの一般化, 新たな損失関数の設計に関する研究を行った。 そこで我々は,腫瘍,嚢胞,炎症の分節化,多段階法,半教師付き学習,他のデータセットへの一般化,新しい損失関数の設計について検討した。 最後に, 臨床翻訳に先立って対処すべき課題を概説した証拠をもとに, 批判的な議論を行った。

関連論文リスト

• Biomedical Image Segmentation: A Systematic Literature Review of Deep Learning Based Object Detection Methods [1.0043008463279772]
  深層学習に基づく物体検出法は、バイオメディカルイメージセグメンテーションに一般的に用いられている。 既存の調査では、標準化されたアプローチやより広範なセグメンテーション技術に重点を置いていないことが多い。 これらの手法を批判的に分析し,課題を特定し,今後の方向性について考察した。 このSLRは、研究コミュニティにこれらのセグメンテーションモデルについて素早く深く理解することを目的としています。
  論文  参考訳（メタデータ） (2024-08-06T18:38:55Z)
• Anatomy-guided Pathology Segmentation [56.883822515800205]
  本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。 我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。 これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
  論文  参考訳（メタデータ） (2024-07-08T11:44:15Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• A Systematic Review of Few-Shot Learning in Medical Imaging [1.049712834719005]
  少ないショットの学習技術は、データの不足を減らし、医療画像分析を強化する。 この体系的なレビューは、医療画像における数ショット学習の概要を包括的に示すものである。
  論文  参考訳（メタデータ） (2023-09-20T16:10:53Z)
• Mine yOur owN Anatomy: Revisiting Medical Image Segmentation with Extremely Limited Labels [54.58539616385138]
  我々は、Mine yOur owN Anatomy (MONA) と呼ばれる、新しい半教師付き2次元医用画像セグメンテーションフレームワークを紹介する。 まず、先行研究では、すべてのピクセルがモデルトレーニングに等しく重要であると論じており、我々はこの1つだけで意味のある解剖学的特徴を定義できないことを経験的に観察している。 第2に,医療画像を解剖学的特徴の集合に分解できるモデルを構築する。
  論文  参考訳（メタデータ） (2022-09-27T15:50:31Z)
• Deep Learning for Computational Cytology: A Survey [12.08083533402352]
  完全教師付き,弱教師付き,教師なし,伝達学習など,さまざまなディープラーニング手法を導入する。 そこで我々は,公開データセット,評価指標,分類,検出,セグメンテーション,その他の関連タスクを含む多種多様な細胞画像解析アプリケーションを体系的に要約した。
  論文  参考訳（メタデータ） (2022-02-10T16:22:10Z)
• MRI Images, Brain Lesions and Deep Learning [0.0]
  脳MRI画像のホワイトマター高輝度(WMH)の分類、識別、検出を可能にするシステムおよびアルゴリズムに関する公開文献をレビューします。 虚血性および脱髄性病変のセグメント化の最高精度と信頼性を達成するために、ディープラーニングの新しいモデルの研究と提案に絶え間なく成長しています。
  論文  参考訳（メタデータ） (2021-01-13T14:18:48Z)
• 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)
• Medical Image Segmentation Using Deep Learning: A Survey [11.204127714820945]
  本稿では,深層学習技術を用いた医用画像のセグメンテーションに関する包括的調査を行う。 我々は,現在普及している文献を,粗いものから細かいものまで多層構造に従って分類する。 教師付き学習アプローチでは,バックボーンネットワークの選択,ネットワークブロックの設計,損失関数の改良という3つの側面から文献を解析する。
  論文  参考訳（メタデータ） (2020-09-28T08:05:02Z)
• Weakly supervised multiple instance learning histopathological tumor segmentation [51.085268272912415]
  スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。 トレーニングモデルに複数のインスタンス学習スキームを利用する。 提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
  論文  参考訳（メタデータ） (2020-04-10T13:12:47Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。