論文の概要: Enhancing the automatic segmentation and analysis of 3D liver vasculature models

• arxiv url: http://arxiv.org/abs/2411.15778v1
• Date: Sun, 24 Nov 2024 10:58:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:22:39.774743
• Title: Enhancing the automatic segmentation and analysis of 3D liver vasculature models
• Title（参考訳）: 3次元肝血管モデルの自動セグメンテーションと解析の強化
• Authors: Yassine Machta, Omar Ali, Kevin Hakkakian, Ana Vlascenau, Amaury Facque, Nicolas Golse, Irene Vignon-Clementel,
• Abstract要約: 静脈木 - 門脈(開口)と肝(乾燥)の木は、肝解剖学と疾患状態を理解するのに重要である。 本研究の目的は, 血管の3次元分割, 骨格化, およびその後の解析を改善することである。
• 参考スコア（独自算出の注目度）: 0.3957768262206625
• License:
• Abstract: Surgical assessment of liver cancer patients requires identification of the vessel trees from medical images. Specifically, the venous trees - the portal (perfusing) and the hepatic (draining) trees are important for understanding the liver anatomy and disease state, and perform surgery planning. This research aims to improve the 3D segmentation, skeletonization, and subsequent analysis of vessel trees, by creating an automatic pipeline based on deep learning and image processing techniques. The first part of this work explores the impact of differentiable skeletonization methods such as ClDice and morphological skeletonization loss, on the overall liver vessel segmentation performance. To this aim, it studies how to improve vessel tree connectivity. The second part of this study converts a single class vessel segmentation into multi-class ones, separating the two venous trees. It builds on the previous two-class vessel segmentation model, which vessel tree outputs might be entangled, and on connected components and skeleton analyses of the trees. After providing sub-labeling of the specific anatomical branches of each venous tree, these algorithms also enable a morphometric analysis of the vessel trees by extracting various geometrical markers. In conclusion, we propose a method that successfully improves current skeletonization methods, for extensive vascular trees that contain vessels of different calibers. The separation algorithm creates a clean multi-class segmentation of the vessels, validated by surgeons to provide low error. A new, publicly shared high-quality liver vessel dataset of 77 cases is thus created. Finally a method to annotate vessel trees according to anatomy is provided, enabling a unique liver vessel morphometry analysis.
• Abstract（参考訳）: 肝癌患者の外科的評価には, 医用画像から血管の同定が必要である。 具体的には、肝解剖や疾患状態を理解する上では、門脈(開口)と肝(乾燥)の木が重要であり、手術計画を実行する。 本研究の目的は, 深層学習と画像処理技術に基づく自動パイプラインを作成することにより, 3次元セグメント化, 骨格化, およびその後の容器木の解析を改善することである。 本研究の第1部では, ClDice などの異型骨格化法と形態的骨格化損失が肝血管セグメンテーションに及ぼす影響について検討した。 本研究の目的は, 船舶用樹木の接続性を改善することにある。 本研究の第2部では, 単系統の血管分割を多系統に分解し, 2種の静脈樹を分離する。 これは以前の2種類の容器分割モデルに基づいており、このモデルでは容器の出力が絡み合っている可能性があり、接続されたコンポーネントや木の骨格分析に基づいている。 これらのアルゴリズムは, 各静脈樹の解剖学的枝のサブラベル付けを行った後, 種々の幾何学的マーカーを抽出することにより, 血管木の形態計測解析を可能にする。 結論として, 異なる口径の容器を含む広範囲の血管木に対して, 現行の骨格化法を改良する手法を提案する。 分離アルゴリズムは、外科医によって検証され、エラーの少ない、クリーンなマルチクラスセグメンテーションを生成する。 これにより,77例の肝血管データセットが新たに公開され,より高品質な肝血管データセットが作成される。 最後に、解剖に従って血管木に注釈を付ける方法を設け、独自の肝血管形態計測分析を可能にする。

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)
• Anatomy-guided Pathology Segmentation [56.883822515800205]
  本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。 我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。 これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
  論文  参考訳（メタデータ） (2024-07-08T11:44:15Z)
• Robust semi-automatic vessel tracing in the human retinal image by an instance segmentation neural network [1.324564545341267]
  ケースセグメンテーションニューラルネットワーク(InSegNN)による人間の眼底画像に対する頑健な半自動血管追跡アルゴリズムの新たなアプローチを提案する。 InSegNNは、異なる血管樹を個別に分離し、ラベル付けすることで、枝分かれ全体を通して各木をトレースすることができる。 底面画像から個々の血管木を抽出し,同時に血管階層情報を保持することを実証した。
  論文  参考訳（メタデータ） (2024-02-15T16:25:28Z)
• Morphology Edge Attention Network and Optimal Geometric Matching Connection model for vascular segmentation [3.6368619769561668]
  本稿では,容器状構造物のセグメンテーションのための新しい形態的エッジアテンションネットワーク(MEA-Net)を提案する。 また、壊れた容器セグメントを接続するための最適幾何マッチング接続(OGMC)モデルを提案する。 本手法は,3次元血管分割作業の4つのデータセットにおける最先端手法と比較して,優れた,あるいは競争的な結果が得られる。
  論文  参考訳（メタデータ） (2023-06-02T01:52:35Z)
• Simultaneous segmentation and classification of the retinal arteries and veins from color fundus images [6.027522272446452]
  網膜血管の研究は多くの疾患のスクリーニングと診断の基本的な段階である。 眼底画像からの網膜A/Vの同時分画と分類のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-09-20T09:54:01Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
  大動脈血管木は大動脈とその枝枝動脈からなる。 大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
  論文  参考訳（メタデータ） (2021-08-06T08:18:28Z)
• Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
  本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。 提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:55:43Z)
• 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)
• 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)
• TopNet: Topology Preserving Metric Learning for Vessel Tree Reconstruction and Labelling [22.53041565779104]
  本稿では,容器木再構築のための新しいディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、同時に、血管中心線(すなわちノード)上のボクセルを検出するタスクを解決し、再建すべきツリー構造における中心ボクセル(エッジ)間の接続性を推定する。 パブリックIRCADデータセットの徹底的な評価は,提案手法が既存のセマンティックセグメンテーション法よりもかなり優れていることを示している。
  論文  参考訳（メタデータ） (2020-09-18T07:55:58Z)

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。