論文の概要: Foreign object segmentation in chest x-rays through anatomy-guided shape insertion

• arxiv url: http://arxiv.org/abs/2501.12022v1
• Date: Tue, 21 Jan 2025 10:25:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:22:21.183763
• Title: Foreign object segmentation in chest x-rays through anatomy-guided shape insertion
• Title（参考訳）: 解剖学的ガイド下形状挿入による胸部X線異物セグメンテーション
• Authors: Constantin Seibold, Hamza Kalisch, Lukas Heine, Simon Reiß, Jens Kleesiek,
• Abstract要約: 胸部X線写真における異物分類の課題に対処する。 我々のアプローチは、ネットワークが手動で最小限のラベル付きデータで複雑な構造を分割することを可能にする。
• 参考スコア（独自算出の注目度）: 8.182306641144008
• License:
• Abstract: In this paper, we tackle the challenge of instance segmentation for foreign objects in chest radiographs, commonly seen in postoperative follow-ups with stents, pacemakers, or ingested objects in children. The diversity of foreign objects complicates dense annotation, as shown in insufficient existing datasets. To address this, we propose the simple generation of synthetic data through (1) insertion of arbitrary shapes (lines, polygons, ellipses) with varying contrasts and opacities, and (2) cut-paste augmentations from a small set of semi-automatically extracted labels. These insertions are guided by anatomy labels to ensure realistic placements, such as stents appearing only in relevant vessels. Our approach enables networks to segment complex structures with minimal manually labeled data. Notably, it achieves performance comparable to fully supervised models while using 93\% fewer manual annotations.
• Abstract（参考訳）: 本稿では, 胸部X線写真における異物分類の課題を, 小児のステント, ペースメーカー, あるいは摂取物を用いた術後経過観察でよく見られる。 外部オブジェクトの多様性は、不十分な既存のデータセットで示されるように、密接なアノテーションを複雑にする。 そこで本研究では,(1)任意の形状(線,多角形,楕円形)を異なるコントラストと不透明度で挿入し,(2)半自動抽出ラベルの小さな集合からカットペーストを拡大することにより,合成データの簡易生成を提案する。 これらの挿入は解剖学的ラベルによって誘導され、関連する血管にのみ現れるステントのような現実的な配置を保証する。 我々のアプローチは、ネットワークが手動で最小限のラベル付きデータで複雑な構造を分割することを可能にする。 特に、完全な教師付きモデルに匹敵するパフォーマンスを実現し、マニュアルアノテーションを93.%削減しています。

関連論文リスト

• SLoRD: Structural Low-Rank Descriptors for Shape Consistency in Vertebrae Segmentation [13.225110742269543]
  我々は,CT画像から脊椎を自動的に正確に分割するための輪郭型ネットワークを提案する。 具体的には、SLoRDと呼ばれる形状整合性のための構造的低ランク記述子に基づく輪郭型ネットワークを提案する。 輪郭記述子をより正確に表現するために、球面座標系を採用し、球面セントロイドを考案する。
  論文  参考訳（メタデータ） (2024-07-11T14:39:54Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• Orthogonal Annotation Benefits Barely-supervised Medical Image Segmentation [24.506059129303424]
  半教師付き学習の最近の傾向は、3次元半教師付き医用画像セグメンテーションの性能を高めている。 これらの見解と隣接する3次元スライス間の本質的な類似性は、我々は新しいアノテーション方法を開発するきっかけとなった。 そこで我々は,Dense-Sparse Co-Training (DeSCO) というデュアルネットワーク・パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-03-23T08:10:25Z)
• Structure-aware registration network for liver DCE-CT images [50.28546654316009]
  セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。 提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
  論文  参考訳（メタデータ） (2023-03-08T14:08:56Z)
• FUN-SIS: a Fully UNsupervised approach for Surgical Instrument Segmentation [16.881624842773604]
  FUN-SISについて述べる。 我々は、暗黙の動作情報と楽器形状に依存して、完全に装飾されていない内視鏡ビデオに基づいてフレーム単位のセグメンテーションモデルを訓練する。 手術器具のセグメンテーションの完全教師なしの結果は, 完全に監督された最先端のアプローチとほぼ同等である。
  論文  参考訳（メタデータ） (2022-02-16T15:32:02Z)
• Semi-supervised Anatomical Landmark Detection via Shape-regulated Self-training [37.691539309804426]
  よく注釈付けされた医療画像は費用がかかり、時には入手も不可能で、目印検出の精度をある程度損なう。 半教師付きランドマーク検出のためのモデルに依存しない形状制御型自己学習フレームワークを提案する。 当社のフレームワークは柔軟で,ほとんどの教師付きメソッドに統合されたプラグイン・アンド・プレイモジュールとして使用することで,パフォーマンスをさらに向上する。
  論文  参考訳（メタデータ） (2021-05-28T05:23:07Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)
• Database Annotation with few Examples: An Atlas-based Framework using Diffeomorphic Registration of 3D Trees [0.0]
  良性前立腺過形成症患者の骨盤動脈3次元木をラベル付けするために, 極めて少ないアノテート症例の解決法を提案する。 提案手法は,5例のみのトレーニングで97.6%のラベル付け精度を達成し,比較学習に基づく手法は,そのような小さなトレーニングセットで82.2%にしか達しない。
  論文  参考訳（メタデータ） (2020-09-25T14:10:52Z)
• Towards Unsupervised Learning for Instrument Segmentation in Robotic Surgery with Cycle-Consistent Adversarial Networks [54.00217496410142]
  本稿では、入力された内視鏡画像と対応するアノテーションとのマッピングを学習することを目的として、未ペア画像から画像への変換を提案する。 当社のアプローチでは,高価なアノテーションを取得することなく,イメージセグメンテーションモデルをトレーニングすることが可能です。 提案手法をEndovis 2017チャレンジデータセットで検証し,教師付きセグメンテーション手法と競合することを示す。
  論文  参考訳（メタデータ） (2020-07-09T01:39:39Z)
• Deep Negative Volume Segmentation [60.44793799306154]
  対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。 我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。 顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
  論文  参考訳（メタデータ） (2020-06-22T16:55:23Z)

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。