論文の概要: Geo-UNet: A Geometrically Constrained Neural Framework for Clinical-Grade Lumen Segmentation in Intravascular Ultrasound
- arxiv url: http://arxiv.org/abs/2408.04826v1
- Date: Fri, 9 Aug 2024 02:55:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-12 16:48:31.535307
- Title: Geo-UNet: A Geometrically Constrained Neural Framework for Clinical-Grade Lumen Segmentation in Intravascular Ultrasound
- Title（参考訳）: Geo-UNet : 血管内超音波における臨床用グルーメン切開のための幾何学的拘束型ニューラルネットワークフレームワーク
- Authors: Yiming Chen, Niharika S. D'Souza, Akshith Mandepally, Patrick Henninger, Satyananda Kashyap, Neerav Karani, Neel Dey, Marcos Zachary, Raed Rizq, Paul Chouinard, Polina Golland, Tanveer F. Syeda-Mahmood,
- Abstract要約: UNetのような現在のセグメンテーションネットワークは、IVUSにおける臨床応用に必要な精度を欠いている。
そこで我々はGeo-UNetフレームワークを提案する。
静脈性IVUSデータセットに対する我々のフレームワークの有効性を,最先端モデルに対して示す。
- 参考スコア（独自算出の注目度）: 7.760705377465734
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Precisely estimating lumen boundaries in intravascular ultrasound (IVUS) is needed for sizing interventional stents to treat deep vein thrombosis (DVT). Unfortunately, current segmentation networks like the UNet lack the precision needed for clinical adoption in IVUS workflows. This arises due to the difficulty of automatically learning accurate lumen contour from limited training data while accounting for the radial geometry of IVUS imaging. We propose the Geo-UNet framework to address these issues via a design informed by the geometry of the lumen contour segmentation task. We first convert the input data and segmentation targets from Cartesian to polar coordinates. Starting from a convUNet feature extractor, we propose a two-task setup, one for conventional pixel-wise labeling and the other for single boundary lumen-contour localization. We directly combine the two predictions by passing the predicted lumen contour through a new activation (named CDFeLU) to filter out spurious pixel-wise predictions. Our unified loss function carefully balances area-based, distance-based, and contour-based penalties to provide near clinical-grade generalization in unseen patient data. We also introduce a lightweight, inference-time technique to enhance segmentation smoothness. The efficacy of our framework on a venous IVUS dataset is shown against state-of-the-art models.
- Abstract（参考訳）: 深部静脈血栓症(DVT)に対する介入ステントの縮小には,血管内超音波(IVUS)における路面境界の正確な推定が必要である。
残念ながら、UNetのような現在のセグメンテーションネットワークは、IVUSワークフローにおける臨床応用に必要な精度を欠いている。
これは、IVUS画像の放射形状を考慮に入れながら、限られた訓練データから正確な路面輪郭を自動的に学習することの難しさから生じる。
そこで本稿では,ジオUNet フレームワークを提案し,これらの問題にルーメン輪郭分節タスクの幾何学的特徴を生かした設計手法を提案する。
まず、入力データとセグメンテーションターゲットをカルテシアンから極座標に変換する。
convUNet特徴抽出器から、従来のピクセルワイドラベリングのための2タスク構成と、単一境界ルーメン-輪郭ローカライゼーションのための2タスク構成を提案する。
予測ルーメン輪郭を新しいアクティベーション(CDFeLU)に通すことで、この2つの予測を直接組み合わせて、鮮明なピクセルワイズ予測をフィルタリングする。
我々の統合的損失関数は、エリアベース、距離ベース、および輪郭ベースの罰則を慎重にバランスさせ、不明な患者データにおいて、ほぼ臨床グレードの一般化を提供する。
また,セグメンテーションの平滑性を高める軽量な推論時間手法も導入した。
静脈性IVUSデータセットに対する我々のフレームワークの有効性を,最先端モデルに対して示す。
関連論文リスト
- Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。
本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。
臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
論文 参考訳（メタデータ） (2024-09-18T13:40:59Z) - 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) - HCA-Net: Hierarchical Context Attention Network for Intervertebral Disc
Semantic Labeling [3.485615723221064]
本稿では,IVDのセマンティックラベリングのための新しいコンテキストアテンションネットワークアーキテクチャであるHCA-Netを提案する。
本手法は,脊髄内の複雑な空間的関係を捉えるために,様々なスケールの処理機能を強化し,効果的に統合する。
さらに, 骨格損失項を導入し, モデルが脊椎への幾何学的依存を強くする。
論文 参考訳（メタデータ） (2023-11-21T09:58:39Z) - Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。
アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
論文 参考訳（メタデータ） (2023-07-07T18:57:21Z) - Robust Landmark-based Stent Tracking in X-ray Fluoroscopy [10.917460255497227]
単一ステントトラッキングのためのエンドツーエンドのディープラーニングフレームワークを提案する。
U-Netベースのランドマーク検出、ResNetベースのステント提案、機能抽出の3つの階層モジュールで構成されている。
実験により,本手法は最先端のポイントベース追跡モデルと比較して,検出精度が有意に向上していることが示された。
論文 参考訳（メタデータ） (2022-07-20T14:20:03Z) - SD-LayerNet: Semi-supervised retinal layer segmentation in OCT using
disentangled representation with anatomical priors [4.2663199451998475]
網膜層セグメンテーションタスクに半教師付きパラダイムを導入する。
特に、表面位置回帰をピクセル単位で構造化されたセグメンテーションに変換するために、新しい完全微分可能なアプローチが用いられる。
並行して,ラベル付きデータの限られた量が利用できる場合に,ネットワークトレーニングを改善するための解剖学的事前セットを提案する。
論文 参考訳（メタデータ） (2022-07-01T14:30:59Z) - 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) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳（メタデータ） (2020-10-19T13:56:22Z) - 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) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳（メタデータ） (2020-06-25T21:10:04Z)
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。