論文の概要: AtlasSeg: Atlas Prior Guided Dual-U-Net for Cortical Segmentation in Fetal Brain MRI
- arxiv url: http://arxiv.org/abs/2411.02867v1
- Date: Tue, 05 Nov 2024 07:16:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-06 15:00:36.757560
- Title: AtlasSeg: Atlas Prior Guided Dual-U-Net for Cortical Segmentation in Fetal Brain MRI
- Title（参考訳）: AtlasSeg: 胎児脳MRIにおける皮質切開のためのDual-U-Netの事前ガイド
- Authors: Haoan Xu, Tianshu Zheng, Xinyi Xu, Yao Shen, Jiwei Sun, Cong Sun, Guangbin Wang, Dan Wu,
- Abstract要約: 我々は、妊娠年齢(GA)固有の情報をガイダンスとして組み込んだ二重U字型畳み込みネットワークであるAtlasSegを紹介する。
対応するGAにセグメンテーションラベルを付けた公用胎児脳性アトラスを提供することで、アトラス枝の年齢特異的パターンの文脈的特徴を効果的に抽出した。
AtlasSegは、内部の胎児脳MRIデータセットと外部のFeTAデータセットの両方において、よく知られたセグメンテーションネットワークを6つ上回った。
- 参考スコア（独自算出の注目度）: 11.764796934909462
- License:
- Abstract: Accurate tissue segmentation in fetal brain MRI remains challenging due to the dynamically changing anatomical anatomy and contrast during fetal development. To enhance segmentation accuracy throughout gestation, we introduced AtlasSeg, a dual-U-shape convolution network incorporating gestational age (GA) specific information as guidance. By providing a publicly available fetal brain atlas with segmentation label at the corresponding GA, AtlasSeg effectively extracted the contextual features of age-specific patterns in atlas branch and generated tissue segmentation in segmentation branch. Multi-scale attentive atlas feature fusions were constructed in all stages during encoding and decoding, giving rise to a dual-U-shape network to assist feature flow and information interactions between two branches. AtlasSeg outperformed six well-known segmentation networks in both our internal fetal brain MRI dataset and the external FeTA dataset. Ablation experiments demonstrate the efficiency of atlas guidance and the attention mechanism. The proposed AtlasSeg demonstrated superior segmentation performance against other convolution networks with higher segmentation accuracy, and may facilitate fetal brain MRI analysis in large-scale fetal brain studies.
- Abstract（参考訳）: 胎児発達過程における解剖学的解剖学的変化とコントラストの動的変化により, 胎児脳MRIにおける正確な組織分画はいまだに困難である。
妊娠中におけるセグメンテーションの精度を高めるために、妊娠年齢(GA)の特定情報をガイダンスとして組み込んだ二重U字型畳み込みネットワークであるAtlasSegを導入した。
対応するGAにセグメンテーションラベルが付いた公用胎児脳アトラスを提供することにより、アトラス分岐における年齢特異的パターンの文脈的特徴を効果的に抽出し、セグメンテーション分岐において生成された組織セグメンテーションを抽出した。
符号化と復号の段階では, マルチスケールの注意アトラス機能融合が全段階にわたって構築され, 特徴フローと2つの枝間の情報相互作用を補助するデュアルU字型ネットワークが誕生した。
AtlasSegは、内部の胎児脳MRIデータセットと外部のFeTAデータセットの両方において、よく知られたセグメンテーションネットワークを6つ上回った。
アブレーション実験は、アトラス誘導の効率と注意機構を実証する。
提案したAtlasSegは、より高いセグメンテーション精度で他の畳み込みネットワークに対して優れたセグメンテーション性能を示し、大規模な胎児脳研究において胎児脳MRI解析を促進する可能性がある。
関連論文リスト
- DB-SAM: Delving into High Quality Universal Medical Image Segmentation [100.63434169944853]
本稿では,2次元医療データと2次元医療データとのギャップを埋めるために,DB-SAMという二分岐型SAMフレームワークを提案する。
文献における最近の医療用SAMアダプタと比較して,DB-SAMは8.8%向上した。
論文 参考訳（メタデータ） (2024-10-05T14:36:43Z) - 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) - CAS-Net: Conditional Atlas Generation and Brain Segmentation for Fetal
MRI [10.127399319119911]
本研究では、条件付きアトラスを同時に生成し、脳組織分節を予測できる新しいネットワーク構造を提案する。
提案手法は,Human Connectome Projectから253名の被験者を対象に,実験・評価を行った。
論文 参考訳（メタデータ） (2022-05-17T11:23:02Z) - An automatic pipeline for atlas-based fetal and neonatal brain
segmentation and analysis [1.3198175418055964]
本報告では,2つの胎児腺腫の発生と,そのパイプライン内でのアトラスを用いた分節法について報告する。
パイプラインはまた、曲率、厚み、sulcal depth、局所的なジャイロ化指数など、皮質表面とピアル表面の抽出や計算特性も可能である。
論文 参考訳（メタデータ） (2022-05-16T11:15:26Z) - BAGNet: Bidirectional Aware Guidance Network for Malignant Breast
lesions Segmentation [5.823080777200961]
乳房超音波画像から悪性病変を識別するために, 双方向意識誘導ネットワーク(BAGNet)を提案する。
BAGNetは、入力された粗いサリエンシマップからグローバル(低レベル)とローカル(高レベル)の機能の間のコンテキストをキャプチャする。
グローバルな特徴マップの導入は、病変領域における周囲の組織(背景)の干渉を減らすことができる。
論文 参考訳（メタデータ） (2022-04-28T08:28:06Z) - Category Guided Attention Network for Brain Tumor Segmentation in MRI [6.685945448824158]
カテゴリー案内注意U-Net(CGA U-Net)という新しいセグメンテーションネットワークを提案する。
本モデルでは,より正確かつ安定した特徴写像の長距離依存性を計算コストを伴わずに捉えることのできる,注目機構に基づくスーパービジョンアテンションモジュール(SAM)を設計する。
BraTS 2019データセットの実験的結果は、提案手法がセグメント化性能と計算複雑性の両方において最先端のアルゴリズムより優れていることを示している。
論文 参考訳（メタデータ） (2022-03-29T09:22:29Z) - Generalized Organ Segmentation by Imitating One-shot Reasoning using
Anatomical Correlation [55.1248480381153]
そこで我々は,アノテーション付きオルガンクラスから一般化されたオルガン概念を学習し,その概念を未知のクラスに転送するOrganNetを提案する。
そこで,OrganNetは臓器形態の幅広い変化に効果的に抵抗でき,一発分節タスクで最先端の結果が得られることを示す。
論文 参考訳（メタデータ） (2021-03-30T13:41:12Z) - Multi-class probabilistic atlas-based whole heart segmentation method in
cardiac CT and MRI [4.144197343838299]
本稿では,非剛性登録に基づく確率的アトラスを用いたマルチクラス全心セグメンテーションの枠組みを提案する。
また,高い到達可能な相互情報を得るためのマルチレゾリューション戦略を利用した非剛性登録パイプラインを提案する。
提案手法は,CTスキャンにおいて平均ボリュームオーバーラップ誤差が14.5 % であることを示す。
論文 参考訳（メタデータ） (2021-02-03T01:02:09Z) - 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) - 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) - 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。