論文の概要: Compositional Segmentation of Cardiac Images Leveraging Metadata
- arxiv url: http://arxiv.org/abs/2410.23130v1
- Date: Wed, 30 Oct 2024 15:41:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-31 14:26:42.197114
- Title: Compositional Segmentation of Cardiac Images Leveraging Metadata
- Title（参考訳）: メタデータを利用した心臓画像の合成セグメンテーション
- Authors: Abbas Khan, Muhammad Asad, Martin Benning, Caroline Roney, Gregory Slabaugh,
- Abstract要約: 心機能評価と心構造変化の経時的モニタリングには,心像のセグメンテーションが不可欠である。
本研究では,心画像中の心臓を同時に局所化し,興味のある領域のパートベースセグメンテーションを行う,新しい構成セグメンテーション手法を提案する。
また,画像取得時に収集した心筋画像に関連するメタデータを活用するために,新しいクロスモーダル・フィーチャー・インテグレーション(CMFI)モジュールを提案する。
- 参考スコア（独自算出の注目度）: 0.508267104652645
- License:
- Abstract: Cardiac image segmentation is essential for automated cardiac function assessment and monitoring of changes in cardiac structures over time. Inspired by coarse-to-fine approaches in image analysis, we propose a novel multitask compositional segmentation approach that can simultaneously localize the heart in a cardiac image and perform part-based segmentation of different regions of interest. We demonstrate that this compositional approach achieves better results than direct segmentation of the anatomies. Further, we propose a novel Cross-Modal Feature Integration (CMFI) module to leverage the metadata related to cardiac imaging collected during image acquisition. We perform experiments on two different modalities, MRI and ultrasound, using public datasets, Multi-disease, Multi-View, and Multi-Centre (M&Ms-2) and Multi-structure Ultrasound Segmentation (CAMUS) data, to showcase the efficiency of the proposed compositional segmentation method and Cross-Modal Feature Integration module incorporating metadata within the proposed compositional segmentation network. The source code is available: https://github.com/kabbas570/CompSeg-MetaData.
- Abstract（参考訳）: 心機能評価と心構造変化の経時的モニタリングには,心像のセグメンテーションが不可欠である。
画像解析における粗大なアプローチに着想を得て,心臓画像中の心臓を同時に局所化し,興味のある領域のパートベースセグメンテーションを行う,新しいマルチタスク合成セグメンテーション手法を提案する。
この構成的アプローチは解剖学の直接的セグメント化よりも優れた結果が得られることを実証する。
さらに,画像取得時に収集した心筋画像に関連するメタデータを活用するために,新しいクロスモーダル・フィーチャー・インテグレーション(CMFI)モジュールを提案する。
提案する合成セグメンテーション手法と,合成セグメンテーションネットワークにメタデータを組み込んだクロスモーダル機能統合モジュールの効率を実証するため,MRIと超音波の2つの異なるモード,公共データセット,M&Ms-2,Multi-Centre(M&Ms-2)およびMulti-structure Ultrasound Segmentation(CAMUS)データを用いて実験を行った。
ソースコードはhttps://github.com/kabbas570/CompSeg-MetaData.comで入手できる。
関連論文リスト
- 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) - A Multi-Scale Spatial Transformer U-Net for Simultaneously Automatic
Reorientation and Segmentation of 3D Nuclear Cardiac Images [6.347837887930855]
小型のLV心筋(LV-MY)領域の検出と各患者の心構造の変化は,LVセグメンテーションに対する課題を提起する。
マルチスケール空間変換器ネットワーク(MSSTN)とマルチスケールUNet(MSUNet)モジュールを含むマルチスケール空間変換器UNet(MS-ST-UNet)と呼ばれるエンドツーエンドモデルを提案する。
提案法は,13N-アンモニアPETと99mTc-sestamibi SPECTの2つの異なる核心画像モダリティを用いて,訓練および試験を行った。
論文 参考訳（メタデータ） (2023-10-16T05:56:53Z) - Multi-Modal Evaluation Approach for Medical Image Segmentation [4.989480853499916]
本稿では,異なるセグメンテーション手法の有効性を評価するために,新しいマルチモーダル評価(MME)手法を提案する。
本稿では, 検出特性, 境界アライメント, 均一性, 総体積, 相対体積など, 関連性, 解釈可能な新しい特徴を紹介する。
提案するアプローチはオープンソースで,使用することができる。
論文 参考訳（メタデータ） (2023-02-08T15:31:33Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2023-01-12T08:19:46Z) - AWSnet: An Auto-weighted Supervision Attention Network for Myocardial
Scar and Edema Segmentation in Multi-sequence Cardiac Magnetic Resonance
Images [23.212429566838203]
マルチシーケンスCMRデータから傷痕と浮腫のセグメンテーションに取り組むための,新しい自動重み付け監視フレームワークを開発した。
また, より小さな心筋病変領域の分画を, 形状の事前知識で促進する, 粗大から細大の枠組みを設計した。
マルチシーケンスCMRデータを用いた心筋病理診断の進歩に期待できる。
論文 参考訳（メタデータ） (2022-01-14T08:59:54Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - Towards Cross-modality Medical Image Segmentation with Online Mutual
Knowledge Distillation [71.89867233426597]
本稿では,あるモダリティから学習した事前知識を活用し,別のモダリティにおけるセグメンテーション性能を向上させることを目的とする。
モーダル共有知識を徹底的に活用する新しい相互知識蒸留法を提案する。
MMWHS 2017, MMWHS 2017 を用いた多クラス心筋セグメンテーション実験の結果, CT セグメンテーションに大きな改善が得られた。
論文 参考訳（メタデータ） (2020-10-04T10:25:13Z) - Multi-Modality Pathology Segmentation Framework: Application to Cardiac
Magnetic Resonance Images [3.5354617056939874]
本研究は,多モードCMR画像に基づく自動カスケード診断セグメンテーションフレームワークを提案する。
主に、解剖学的構造セグメンテーションネットワーク(ASSN)と病理学的領域セグメンテーションネットワーク(PRSN)の2つのニューラルネットワークで構成されている。
論文 参考訳（メタデータ） (2020-08-13T09:57:04Z) - Learning Directional Feature Maps for Cardiac MRI Segmentation [13.389141642517762]
本稿では,クラス間の差分とクラス内の類似度を同時に強化する指向性特徴写像を利用する新しい手法を提案する。
具体的には,最寄りの心臓組織の境界から各ピクセルに向けられた方向のフィールドを学習する。
学習方向のフィールドに基づいて、元のセグメンテーション機能を改善するために、特徴修正と融合(FRF)モジュールを提案する。
論文 参考訳（メタデータ） (2020-07-22T11:31:04Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z) - Unsupervised Bidirectional Cross-Modality Adaptation via Deeply
Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。
提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。
2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
論文 参考訳（メタデータ） (2020-02-06T13:49:47Z)
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。