論文の概要: A Graph Attention-Guided Diffusion Model for Liver Vessel Segmentation

• arxiv url: http://arxiv.org/abs/2411.00617v1
• Date: Fri, 01 Nov 2024 14:25:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:46:23.674501
• Title: A Graph Attention-Guided Diffusion Model for Liver Vessel Segmentation
• Title（参考訳）: 肝血管セグメンテーションのためのグラフ注意誘導拡散モデル
• Authors: Xiaotong Zhang, Alexander Broersen, Gonnie CM van Erp, Silvia L. Pintea, Jouke Dijkstra,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 44.706905779969404
• License:
• Abstract: Improving connectivity and completeness are the most challenging aspects of small liver vessel segmentation. It is difficult for existing methods to obtain segmented liver vessel trees simultaneously with continuous geometry and detail in small vessels. We proposed a diffusion model-based method with a multi-scale graph attention guidance to break through the bottleneck to segment the liver vessels. Experiments show that the proposed method outperforms the other state-of-the-art methods used in this study on two public datasets of 3D-ircadb-01 and LiVS. Dice coefficient and Sensitivity are improved by at least 11.67% and 24.21% on 3D-ircadb-01 dataset, and are improved by at least 3.21% and 9.11% on LiVS dataset. Connectivity is also quantitatively evaluated in this study and our method performs best. The proposed method is reliable for small liver vessel segmentation.
• Abstract（参考訳）: 接続性や完全性の向上は、小さな肝血管の分節化において最も難しい側面である。 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。 実験の結果,提案手法は3D-ircadb-01とLiVSの2つの公開データセットにおいて,他の最先端手法よりも優れていることがわかった。 3D-ircadb-01データセットでは、Dice係数とSensitivityが少なくとも11.67%、24.21%改善され、LiVSデータセットでは少なくとも3.21%、9.11%改善されている。 本研究では接続性も定量的に評価し,本手法が有効であることを示す。 提案法は小肝血管の分節化に有効である。

関連論文リスト

• Scale-specific auxiliary multi-task contrastive learning for deep liver vessel segmentation [0.8713453935346684]
  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。
  論文  参考訳（メタデータ） (2024-09-18T22:03:22Z)
• A New Approach for Evaluating and Improving the Performance of Segmentation Algorithms on Hard-to-Detect Blood Vessels [0.0]
  容器の局所強度と画素周辺の画像背景を比較することにより、各容器画素に対して局所血管塩濃度(LVS)指数を算出する。 低濃度リコール(LSRecall)は、低濃度の血管セグメントにおけるセグメンテーションアルゴリズムの性能を定量化する新しい精度指標である。 高いDice値とリコール値を持つセグメンテーションアルゴリズムはLSRecall値が非常に低いことを示し、これらのアルゴリズムの系統的誤りを、低いサリエンスを持つ船舶に対して明らかにする。
  論文  参考訳（メタデータ） (2024-06-19T00:45:57Z)
• 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)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• DR-VNet: Retinal Vessel Segmentation via Dense Residual UNet [4.352318127577627]
  そこで本研究では,高密度ネットブロックの効率と残圧および励磁ブロックの効率を組み合わせた新しいディープラーニングパイプラインを提案する。 提案手法を3つのデータセットで検証し, 小型船舶の捕獲状況を評価するための感度測定値において, パイプラインが技術の現状より優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-08T14:52:13Z)
• 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)
• Pulmonary Vessel Segmentation based on Orthogonal Fused U-Net++ of Chest CT Images [1.8692254863855962]
  胸部CT画像から肺血管セグメンテーションの枠組みと改善過程について検討した。 アプローチの鍵となるのは、3つの軸から2.5D区分けネットワークを応用し、堅牢で完全に自動化された肺血管区分け結果を示す。 提案手法は,他のネットワーク構造よりも大きなマージンで優れ,平均DICEスコア0.9272,精度0.9310を極端に上回っている。
  論文  参考訳（メタデータ） (2021-07-03T21:46:29Z)
• 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)
• 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。