論文の概要: Enhancing Weakly Supervised Semantic Segmentation for Fibrosis via Controllable Image Generation

• arxiv url: http://arxiv.org/abs/2411.03551v1
• Date: Tue, 05 Nov 2024 23:11:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-07 19:22:44.665628
• Title: Enhancing Weakly Supervised Semantic Segmentation for Fibrosis via Controllable Image Generation
• Title（参考訳）: 制御可能な画像生成による線維症に対する弱修正セマンティックセグメンテーションの強化
• Authors: Zhiling Yue, Yingying Fang, Liutao Yang, Nikhil Baid, Simon Walsh, Guang Yang,
• Abstract要約: 線維性肺疾患(英: Fibrotic Lung Disease, FLD)は、肺の硬直と傷跡を特徴とする重症疾患である。 高分解能CT(HRCT)はFLDの診断とモニタリングに重要であるが、線維化は不規則で拡散パターンであり、境界が不明確である。 DiffSegは、画像レベルのアノテーションを用いてピクセルレベルの線維化セグメンテーションを生成する、新しい教師付きセマンティックセグメンテーション(WSSS)手法である。
• 参考スコア（独自算出の注目度）: 6.135895757905315
• License:
• Abstract: Fibrotic Lung Disease (FLD) is a severe condition marked by lung stiffening and scarring, leading to respiratory decline. High-resolution computed tomography (HRCT) is critical for diagnosing and monitoring FLD; however, fibrosis appears as irregular, diffuse patterns with unclear boundaries, leading to high inter-observer variability and time-intensive manual annotation. To tackle this challenge, we propose DiffSeg, a novel weakly supervised semantic segmentation (WSSS) method that uses image-level annotations to generate pixel-level fibrosis segmentation, reducing the need for fine-grained manual labeling. Additionally, our DiffSeg incorporates a diffusion-based generative model to synthesize HRCT images with different levels of fibrosis from healthy slices, enabling the generation of the fibrosis-injected slices and their paired fibrosis location. Experiments indicate that our method significantly improves the accuracy of pseudo masks generated by existing WSSS methods, greatly reducing the complexity of manual labeling and enhancing the consistency of the generated masks.
• Abstract（参考訳）: 線維性肺疾患(英: Fibrotic Lung Disease, FLD)は、肺の硬直と傷跡を特徴とする重症疾患である。 高分解能CT(HRCT)はFLDの診断とモニタリングに重要であるが、線維化は不規則で拡散パターンで境界が不明確で、高いサーバ間変動と時間集約的手動アノテーションをもたらす。 DiffSegは、画像レベルのアノテーションを用いて、ピクセルレベルの線維化セグメンテーションを生成し、きめ細かい手動ラベリングの必要性を減らす。 さらに、DiffSegは、拡散に基づく生成モデルを用いて、健全なスライスから異なるレベルの線維化でHRCT画像を合成し、フィブロシス注入スライスとペアのフィブロシス位置の生成を可能にする。 実験により,既存のWSSS法で生成した疑似マスクの精度を大幅に向上し,手動ラベリングの複雑さを大幅に低減し,生成したマスクの整合性を向上させることが示唆された。

関連論文リスト

• LN-Gen: Rectal Lymph Nodes Generation via Anatomical Features [8.428364324501048]
  周囲の解剖学的構造の複雑さと注釈付きデータの不足は重大な課題である。 本研究は, 多様な, 現実的な合成直腸リンパ節サンプルを作成することを目的とした, 新規なリンパ節合成手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T11:40:23Z)
• Shape-aware synthesis of pathological lung CT scans using CycleGAN for enhanced semi-supervised lung segmentation [0.0]
  本稿では,画像-画像間翻訳におけるCycleGANの使用を強調した。 既存の真実と一致する偽の病理画像を生成することができる拡張方法を提供する。 本研究の予備的な結果は, 質的, 定量的に有意な改善を示すものである。
  論文  参考訳（メタデータ） (2024-05-14T12:45:49Z)
• MAEDiff: Masked Autoencoder-enhanced Diffusion Models for Unsupervised Anomaly Detection in Brain Images [40.89943932086941]
  脳画像における教師なし異常検出のためのMasked Autoencoder-enhanced Diffusion Model (MAEDiff)を提案する。 MAEDiffは、階層的なパッチ分割を含む。上層パッチを重畳して健全なイメージを生成し、サブレベルパッチで動作するマスク付きオートエンコーダに基づくメカニズムを実装し、未通知領域の状態を高める。
  論文  参考訳（メタデータ） (2024-01-19T08:54:54Z)
• AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image Segmentation [67.97926983664676]
  自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。 しかし,このような手法を医用画像に直接適用することは依然として困難である。 適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-08T13:18:10Z)
• ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic Diffusion Models [69.9178140563928]
  大腸内視鏡検査は臨床診断や治療に不可欠である。 注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。 本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T07:55:46Z)
• Modality Cycles with Masked Conditional Diffusion for Unsupervised Anomaly Segmentation in MRI [2.5847188023177403]
  教師なしの異常セグメンテーションは、トレーニング中に処理されたパターンとは異なるパターンを検出することを目的としている。 本稿では,マルチモーダルMRIにおける様々なパターンにまたがる異常のセグメンテーションを可能にするMMCCD(Masked Modality Cycles with Conditional Diffusion)を提案する。 本稿では,画像再構成とデノナイズに基づく教師なし手法と,オートエンコーダや拡散モデルとの比較を行った。
  論文  参考訳（メタデータ） (2023-08-30T17:16:02Z)
• Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule Augmentation and Detection [52.93342510469636]
  肺癌早期検診では胸部X線像の肺結節検出が一般的である。 ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。 このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
  論文  参考訳（メタデータ） (2022-07-19T16:38:48Z)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• Accurate Lung Nodules Segmentation with Detailed Representation Transfer and Soft Mask Supervision [19.64536342490214]
  肺結節の小ささと多彩さは, 正確な肺結節の分節を困難にする。 我々は、よりリッチで正確なエッジ詳細記述を持つSoft Maskという新しいセグメンテーションマスクを導入する。 肺結節の低解像度像を高品質なセグメンテーション結果に処理するために, 詳細な表現伝達とソフトマスク監視(DSNet)を備えた新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2020-07-29T02:38:02Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。