論文の概要: Multi-scale Cascaded Large-Model for Whole-body ROI Segmentation

• arxiv url: http://arxiv.org/abs/2411.15526v1
• Date: Sat, 23 Nov 2024 11:39:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:19:13.250669
• Title: Multi-scale Cascaded Large-Model for Whole-body ROI Segmentation
• Title（参考訳）: 全体ROIセグメンテーションのためのマルチスケールカスケード大モデル
• Authors: Rui Hao, Dayu Tan, Yansen Su, Chunhou Zheng,
• Abstract要約: 我々は,Multi-scale Cascaded Fusing Network (MCFNet)と呼ばれる,革新的なカスケードネットワークアーキテクチャを提案する。 MCFNetは、複雑なマルチスケールとマルチ解像度の機能を効果的にキャプチャする。 我々は,36,131対の画像マスクを含む671症例の多様なデータセットに対して,A6000 GPUを用いて実験を行った。
• 参考スコア（独自算出の注目度）: 5.430156054316826
• License:
• Abstract: Organs-at-risk segmentation is critical for ensuring the safety and precision of radiotherapy and surgical procedures. However, existing methods for organs-at-risk image segmentation often suffer from uncertainties and biases in target selection, as well as insufficient model validation experiments, limiting their generality and reliability in practical applications. To address these issues, we propose an innovative cascaded network architecture called the Multi-scale Cascaded Fusing Network (MCFNet), which effectively captures complex multi-scale and multi-resolution features. MCFNet includes a Sharp Extraction Backbone and a Flexible Connection Backbone, which respectively enhance feature extraction in the downsampling and skip-connection stages. This design not only improves segmentation accuracy but also ensures computational efficiency, enabling precise detail capture even in low-resolution images. We conduct experiments using the A6000 GPU on diverse datasets from 671 patients, including 36,131 image-mask pairs across 10 different datasets. MCFNet demonstrates strong robustness, performing consistently well across 10 datasets. Additionally, MCFNet exhibits excellent generalizability, maintaining high accuracy in different clinical scenarios. We also introduce an adaptive loss aggregation strategy to further optimize the model training process, improving both segmentation accuracy and efficiency. Through extensive validation, MCFNet demonstrates superior performance compared to existing methods, providing more reliable image-guided support. Our solution aims to significantly improve the precision and safety of radiotherapy and surgical procedures, advancing personalized treatment. The code has been made available on GitHub:https://github.com/Henry991115/MCFNet.
• Abstract（参考訳）: 臓器とリスクのセグメンテーションは、放射線治療と外科手術の安全性と精度を確保するために重要である。 しかし,既存の臓器画像分割法は,対象選択における不確実性やバイアス,モデル検証実験の不十分さに悩まされ,汎用性や信頼性が制限されている。 これらの課題に対処するために,マルチスケール・カスケード・ファジング・ネットワーク (MCFNet) と呼ばれる,複雑なマルチスケール・マルチレゾリューション機能を効果的に捉えた,革新的なカスケード・ネットワークアーキテクチャを提案する。 MCFNetにはシャープ抽出バックボーンとフレキシブル接続バックボーンが含まれている。 この設計は、セグメンテーションの精度を向上するだけでなく、計算効率も向上し、低解像度画像においても正確に詳細なキャプチャを可能にする。 A6000 GPUを671人の患者から得られたさまざまなデータセットに対して実験を行い、その中には10の異なるデータセットにわたる36,131のイメージマスクペアが含まれています。 MCFNetは強力な堅牢性を示し、10のデータセットで一貫してパフォーマンスを向上する。 さらに、MCFNetは優れた一般化性を示し、異なる臨床シナリオにおいて高い精度を維持している。 また,モデルの学習過程をより最適化し,セグメンテーションの精度と効率を向上させるための適応的損失集約戦略を導入する。 広範な検証を通じて、MCFNetは既存の方法よりも優れたパフォーマンスを示し、より信頼性の高い画像誘導サポートを提供する。 本ソリューションは, 放射線治療と外科手術の精度と安全性を向上し, パーソナライズされた治療を進めることを目的としている。 コードはGitHubで公開されている。https://github.com/Henry991115/MCFNet。

関連論文リスト

• PMFSNet: Polarized Multi-scale Feature Self-attention Network For Lightweight Medical Image Segmentation [6.134314911212846]
  現在の最先端の医用画像分割法は精度を優先するが、計算要求の増大とより大きなモデルサイズを犠牲にすることも多い。 計算冗長性を避けつつグローバルな局所特徴処理のバランスをとる新しい医用画像分割モデルPMFSNetを提案する。 長期依存関係をキャプチャするために,アテンション機構に基づいたマルチスケール機能拡張モジュールであるPMFSブロックをプラグインとして組み込んでいる。
  論文  参考訳（メタデータ） (2024-01-15T10:26:47Z)
• BRAU-Net++: U-Shaped Hybrid CNN-Transformer Network for Medical Image Segmentation [11.986549780782724]
  医用画像の正確な分割作業のために,BRAU-Net++ というハイブリッドで効果的な CNN-Transformer ネットワークを提案する。 具体的には、BRAU-Net++は、U字型エンコーダデコーダ構造を設計するために、コアビルディングブロックとしてバイレベルルーティングアテンションを使用する。 提案手法は,そのベースラインであるBRAU-Netを含む,最先端の手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-01-01T10:49:09Z)
• 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)
• 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)
• Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement Learning [53.00683059396803]
  マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。 本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。 本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
  論文  参考訳（メタデータ） (2023-10-06T10:40:46Z)
• Scale-Space Hypernetworks for Efficient Biomedical Imaging [0.0]
  内部再スケーリング要因の異なるCNNのスペクトルを学習するSSHN(Scale-Space HyperNetworks)を導入する。 SSHNはトレーニングコストのごく一部で、より優れた精度と効率のトレードオフを提供する。
  論文  参考訳（メタデータ） (2023-04-11T18:38:57Z)
• GMSRF-Net: An improved generalizability with global multi-scale residual fusion network for polyp segmentation [12.086664133486144]
  大腸内視鏡は金標準法であるが、非常に操作性に依存している。 前駆体であるポリープの検出とセグメンテーションを自動化し、ミスレートを効果的に最小化する試みがなされている。 エンコーダデコーダによって動作させるコンピュータ支援型ポリプセグメンテーションシステムは,精度で高い性能を実現している。
  論文  参考訳（メタデータ） (2021-11-20T15:41:59Z)
• MSRF-Net: A Multi-Scale Residual Fusion Network for Biomedical Image Segmentation [10.979393806308648]
  医用画像分割タスクに特化して設計されたMSRF-Netという新しいアーキテクチャを提案する。 MSRF-Netは、デュアルスケール高密度核融合ブロック(DSDF)を用いて、様々な受容場のマルチスケール特徴を交換できる 我々のDSDFブロックは2つの異なる解像度スケールで情報交換が可能であり、MSRFサブネットワークは複数のDSDFブロックを順次使用してマルチスケール融合を行う。
  論文  参考訳（メタデータ） (2021-05-16T15:19:56Z)
• Brain Image Synthesis with Unsupervised Multivariate Canonical CSC$\ell_4$Net [122.8907826672382]
  我々は,新しいCSC$ell_4$Netを用いて,イントレとイントラモーダルの両方にまたがる専用特徴を学習することを提案する。
  論文  参考訳（メタデータ） (2021-03-22T05:19:40Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• MS-Net: Multi-Site Network for Improving Prostate Segmentation with Heterogeneous MRI Data [75.73881040581767]
  本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。 当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-02-09T14:11:50Z)

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。