論文の概要: Scale-specific auxiliary multi-task contrastive learning for deep liver vessel segmentation

• arxiv url: http://arxiv.org/abs/2409.12333v1
• Date: Wed, 18 Sep 2024 22:03:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 15:14:47.206840
• Title: Scale-specific auxiliary multi-task contrastive learning for deep liver vessel segmentation
• Title（参考訳）: 深部肝血管セグメンテーションのためのスケール特異的補助的マルチタスクコントラスト学習
• Authors: Amine Sadikine, Bogdan Badic, Jean-Pierre Tasu, Vincent Noblet, Pascal Ballet, Dimitris Visvikis, Pierre-Henri Conze,
• Abstract要約: 本稿では,血管のセグメンテーションのための新しい深層管理手法を提案する。 本稿では,木を様々な規模に分解するクラスタリング手法を提案する。 次に,従来の3D UNetをマルチタスク学習に拡張し,スケール固有の補助タスクとコントラスト学習を導入し,共有表現におけるスケール間の識別を促進する。
• 参考スコア（独自算出の注目度）: 0.8713453935346684
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Extracting hepatic vessels from abdominal images is of high interest for clinicians since it allows to divide the liver into functionally-independent Couinaud segments. In this respect, an automated liver blood vessel extraction is widely summoned. Despite the significant growth in performance of semantic segmentation methodologies, preserving the complex multi-scale geometry of main vessels and ramifications remains a major challenge. This paper provides a new deep supervised approach for vessel segmentation, with a strong focus on representations arising from the different scales inherent to the vascular tree geometry. In particular, we propose a new clustering technique to decompose the tree into various scale levels, from tiny to large vessels. Then, we extend standard 3D UNet to multi-task learning by incorporating scale-specific auxiliary tasks and contrastive learning to encourage the discrimination between scales in the shared representation. Promising results, depicted in several evaluation metrics, are revealed on the public 3D-IRCADb dataset.
• Abstract（参考訳）: 腹部画像から肝血管を抽出することは、肝を機能的に非依存的なクイナウ領域に分割できるため、臨床医にとって大きな関心事である。 この点で、自動化された肝血管抽出が広く呼び出されている。 セマンティックセグメンテーションの手法の性能が著しく向上しているにもかかわらず、主血管と分岐の複雑なマルチスケール幾何を保存することは大きな課題である。 本論文は,血管形態に固有の異なるスケールから生じる表現に強く焦点を絞った,血管セグメンテーションのための新しい深層管理手法を提案する。 特に,木を小型から大規模に分解する新たなクラスタリング手法を提案する。 次に,従来の3D UNetをマルチタスク学習に拡張し,スケール固有の補助タスクとコントラスト学習を導入し,共有表現におけるスケール間の識別を促進する。 パブリックな3D-IRCADbデータセット上で、いくつかの評価指標で表されるプロメーション結果が明らかにされる。

関連論文リスト

• Enhancing the automatic segmentation and analysis of 3D liver vasculature models [0.3957768262206625]
  静脈木 - 門脈(開口)と肝(乾燥)の木は、肝解剖学と疾患状態を理解するのに重要である。 本研究の目的は, 血管の3次元分割, 骨格化, およびその後の解析を改善することである。
  論文  参考訳（メタデータ） (2024-11-24T10:58:48Z)
• A Graph Attention-Guided Diffusion Model for Liver Vessel Segmentation [44.706905779969404]
  小血管の連続的な形状と細部を同時に獲得することは,既存の方法では困難である。 肝血管の分断にボトルネックを突破するための多スケールグラフアテンションガイダンスを用いた拡散モデルに基づく手法を提案する。 実験により,提案手法は,本研究で用いられている他の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-01T14:25:54Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels [63.415444378608214]
  提案手法は, 進歩的半教師付き学習, 適応的学習戦略, 境界拡張など, 革新的な手法を取り入れたものである。 3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標を用いて,本手法の優位性を示す。
  論文  参考訳（メタデータ） (2023-08-07T14:16:52Z)
• Simultaneous segmentation and classification of the retinal arteries and veins from color fundus images [6.027522272446452]
  網膜血管の研究は多くの疾患のスクリーニングと診断の基本的な段階である。 眼底画像からの網膜A/Vの同時分画と分類のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-09-20T09:54:01Z)
• UNet#: A UNet-like Redesigning Skip Connections for Medical Image Segmentation [13.767615201220138]
  シンボル#に類似した形状のUNet-sharp(UNet#)という,高密度スキップ接続とフルスケールスキップ接続を組み合わせた新しいネットワーク構造を提案する。 提案されたUNet#は、デコーダサブネットワークで異なるスケールの機能マップを集約し、詳細な詳細と大まかなセマンティクスをフルスケールから取得することができる。
  論文  参考訳（メタデータ） (2022-05-24T03:40:48Z)
• Hepatic vessel segmentation based on 3Dswin-transformer with inductive biased multi-head self-attention [46.46365941681487]
  Indu BIased Multi-Head Attention Vessel Net という,堅牢なエンドツーエンドのコンテナセグメンテーションネットワークを提案する。 正確な肝血管のボクセルを見つけるために,パッチワイド埋め込みよりもボクセルワイド埋め込みを導入する。 一方,絶対位置埋め込みから帰納的バイアス付き相対的位置埋め込みを学習する帰納的バイアス付きマルチヘッド自己アテンションを提案する。
  論文  参考訳（メタデータ） (2021-11-05T10:17:08Z)
• Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
  本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。 提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:55:43Z)
• 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)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)

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。