論文の概要: REHRSeg: Unleashing the Power of Self-Supervised Super-Resolution for Resource-Efficient 3D MRI Segmentation
- arxiv url: http://arxiv.org/abs/2410.10097v1
- Date: Mon, 14 Oct 2024 02:28:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 03:04:18.098673
- Title: REHRSeg: Unleashing the Power of Self-Supervised Super-Resolution for Resource-Efficient 3D MRI Segmentation
- Title（参考訳）: ReHRSeg:資源効率のよい3次元MRIセグメンテーションのための自己監督型超解法のパワーを開放する
- Authors: Zhiyun Song, Yinjie Zhao, Xiaomin Li, Manman Fei, Xiangyu Zhao, Mengjun Liu, Cunjian Chen, Chung-Hsing Yeh, Qian Wang, Guoyan Zheng, Songtao Ai, Lichi Zhang,
- Abstract要約: 高分解能(HR)3次元磁気共鳴イメージング(MRI)は、詳細な解剖学的構造情報を提供することができる。
取得装置の要求が高いため、アノテーションによるHR画像の収集は常に臨床シナリオでは現実的ではない。
本稿では,実世界のアプリケーションにおける課題に対処する新しい資源効率の高い高分解能フレームワーク(REHRSeg)を提案する。
- 参考スコア（独自算出の注目度）: 22.493810089353083
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-resolution (HR) 3D magnetic resonance imaging (MRI) can provide detailed anatomical structural information, enabling precise segmentation of regions of interest for various medical image analysis tasks. Due to the high demands of acquisition device, collection of HR images with their annotations is always impractical in clinical scenarios. Consequently, segmentation results based on low-resolution (LR) images with large slice thickness are often unsatisfactory for subsequent tasks. In this paper, we propose a novel Resource-Efficient High-Resolution Segmentation framework (REHRSeg) to address the above-mentioned challenges in real-world applications, which can achieve HR segmentation while only employing the LR images as input. REHRSeg is designed to leverage self-supervised super-resolution (self-SR) to provide pseudo supervision, therefore the relatively easier-to-acquire LR annotated images generated by 2D scanning protocols can be directly used for model training. The main contribution to ensure the effectiveness in self-SR for enhancing segmentation is three-fold: (1) We mitigate the data scarcity problem in the medical field by using pseudo-data for training the segmentation model. (2) We design an uncertainty-aware super-resolution (UASR) head in self-SR to raise the awareness of segmentation uncertainty as commonly appeared on the ROI boundaries. (3) We align the spatial features for self-SR and segmentation through structural knowledge distillation to enable a better capture of region correlations. Experimental results demonstrate that REHRSeg achieves high-quality HR segmentation without intensive supervision, while also significantly improving the baseline performance for LR segmentation.
- Abstract（参考訳）: 高分解能(HR)3次元磁気共鳴イメージング(MRI)は、詳細な解剖学的構造情報を提供し、様々な医用画像解析タスクにおいて、興味のある領域の正確なセグメンテーションを可能にする。
取得装置の要求が高いため、アノテーションによるHR画像の収集は常に臨床シナリオでは現実的ではない。
その結果,低分解能(LR)画像に基づくスライス厚の分割処理は,その後の作業に不満足な場合が多い。
本稿では、実世界のアプリケーションにおける上記の課題に対処するリソース効率の高い高分解能セグメンテーションフレームワーク(REHRSeg)を提案し、LR画像を入力としてのみ使用しながらHRセグメンテーションを実現する。
REHRSegは、自己監督型超解像(self-SR)を利用して擬似的な監視を行うように設計されているため、2Dスキャンプロトコルによって生成された比較的容易に取得可能なLRアノテート画像は、モデルトレーニングに直接使用することができる。
1) セグメンテーションモデルのトレーニングに擬似データを用いて医療分野におけるデータ不足問題を緩和する。
2) 不確実性認識型超解像(UASR)ヘッドを自己SRで設計し,ROI境界によく見られるセグメンテーションの不確実性に対する認識を高める。
(3) 自己SRと構造的知識蒸留によるセグメンテーションの空間的特徴を整列させて, 地域相関をよりよく把握する。
実験により,REHRSegは高品質のHRセグメンテーションを実現するとともに,LRセグメンテーションのベースライン性能を著しく向上することが示された。
関連論文リスト
- Perspective+ Unet: Enhancing Segmentation with Bi-Path Fusion and Efficient Non-Local Attention for Superior Receptive Fields [19.71033340093199]
本稿では,医療画像のセグメンテーションの限界を克服する新しいアーキテクチャであるspective+Unetを提案する。
このフレームワークは ENLTB という名前の効率的な非局所トランスフォーマーブロックを組み込んでおり、これはカーネル関数近似を利用して、効率的な長距離依存性キャプチャを行う。
ACDCとデータセットに関する実験結果から,提案したパースペクティブ+Unetの有効性が示された。
論文 参考訳（メタデータ） (2024-06-20T07:17:39Z) - Inter-slice Super-resolution of Magnetic Resonance Images by Pre-training and Self-supervised Fine-tuning [49.197385954021456]
臨床実践では、2次元磁気共鳴(MR)シーケンスが広く採用されている。個々の2次元スライスを積み重ねて3次元ボリュームを形成できるが、比較的大きなスライスススペーシングは可視化とその後の解析タスクに課題をもたらす可能性がある。
スライス間隔を低減するため,ディープラーニングに基づく超解像技術が広く研究されている。
現在のほとんどのソリューションは、教師付きトレーニングのために、かなりの数の高解像度と低解像度の画像を必要とするが、通常は現実のシナリオでは利用できない。
論文 参考訳（メタデータ） (2024-06-10T02:20:26Z) - Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳（メタデータ） (2023-12-19T08:14:14Z) - TransMRSR: Transformer-based Self-Distilled Generative Prior for Brain
MRI Super-Resolution [18.201980634509553]
本稿では,脳MRI SR のための新しい2段階ネットワーク TransMRSR を提案する。
TransMRSRは、浅部局所特徴抽出、深部非局所特徴キャプチャ、HR画像再構成の3つのモジュールで構成されている。
本手法は,パブリックデータセットとプライベートデータセットの両方において,他のSSIR手法よりも優れた性能を実現する。
論文 参考訳（メタデータ） (2023-06-11T12:41:23Z) - Super-Resolution Based Patch-Free 3D Image Segmentation with
High-Frequency Guidance [20.86089285980103]
磁気共鳴画像(MRI)やCT(CT)などの医用画像など,近年,高分解能(HR)3D画像が広く利用されている。
論文 参考訳（メタデータ） (2022-10-26T11:46:08Z) - Spatial Attention-based Implicit Neural Representation for Arbitrary
Reduction of MRI Slice Spacing [17.16588480746507]
本稿では,MR間隔を任意に削減するための空間注意に基づくインプシットニューラル表現(SA-INR)ネットワークを提案する。
SA-INRは、座標を連続的に3次元空間にサンプリングすることにより、任意のスライス間隔でMR画像を再構成することができる。
HCP-1200データセットと臨床膝関節MRデータセットを用いて本手法の評価を行い,他の方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-05-23T14:36:59Z) - Memory-augmented Deep Unfolding Network for Guided Image
Super-resolution [67.83489239124557]
誘導画像超解像(GISR)は、HR画像の誘導の下で低解像度(LR)目標画像の空間分解能を高めて高解像度(HR)目標画像を得る。
従来のモデルベース手法は主に画像全体を取り、HR目標画像とHRガイダンス画像との事前分布を仮定する。
HR目標画像上で2種類の事前性を持つGISRの最大後部(MAP)推定モデルを提案する。
論文 参考訳（メタデータ） (2022-02-12T15:37:13Z) - Two-Stage Self-Supervised Cycle-Consistency Network for Reconstruction
of Thin-Slice MR Images [62.4428833931443]
太いスライス磁気共鳴(MR)画像は、しばしば冠状および矢状視で構造的にぼやけている。
深層学習は、これらの低分解能(LR)症例から高分解能(HR)薄膜MR画像を再構築する大きな可能性を示している。
MRスライス再構成のための2段階自己監督型サイクル一貫性ネットワーク(TSCNet)を提案する。
論文 参考訳（メタデータ） (2021-06-29T13:29:18Z) - Best-Buddy GANs for Highly Detailed Image Super-Resolution [71.13466303340192]
我々は,低分解能(LR)入力に基づいて高分解能(HR)画像を生成する単一画像超解像(SISR)問題を考える。
このラインに沿ったほとんどのメソッドは、SISRタスクに十分な柔軟性がない、事前定義されたシングルLRシングルHRマッピングに依存しています。
リッチディテールSISRのためのベストバディGAN(Beby-GAN)を提案する。
イミュータブルな1対1の制約を緩和することで、推定されたパッチを動的に最高の監視を求めることができる。
論文 参考訳（メタデータ） (2021-03-29T02:58:27Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z)
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。