論文の概要: Deep Learning for Wound Tissue Segmentation: A Comprehensive Evaluation using A Novel Dataset

• arxiv url: http://arxiv.org/abs/2502.10652v1
• Date: Sat, 15 Feb 2025 03:16:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:13:38.872828
• Title: Deep Learning for Wound Tissue Segmentation: A Comprehensive Evaluation using A Novel Dataset
• Title（参考訳）: 創部組織分割のための深層学習 : 新しいデータセットを用いた総合的評価
• Authors: Muhammad Ashad Kabir, Nidita Roy, Md. Ekramul Hossain, Jill Featherston, Sayed Ahmed,
• Abstract要約: 深層学習(DL)技術は、医療創傷組織セグメンテーションの有望な解決策として浮上している。 本研究は,創部組織分節の様々なDLモデルについて,新しいデータセットを用いて包括的に評価した。 FPN+VGG16は創部組織セグメンテーションのトップパフォーマンスDLモデルとして登場し、ダイススコアは82.25%に達した。
• 参考スコア（独自算出の注目度）: 1.6466494928192668
• License:
• Abstract: Deep learning (DL) techniques have emerged as promising solutions for medical wound tissue segmentation. However, a notable limitation in this field is the lack of publicly available labelled datasets and a standardised performance evaluation of state-of-the-art DL models on such datasets. This study addresses this gap by comprehensively evaluating various DL models for wound tissue segmentation using a novel dataset. We have curated a dataset comprising 147 wound images exhibiting six tissue types: slough, granulation, maceration, necrosis, bone, and tendon. The dataset was meticulously labelled for semantic segmentation employing supervised machine learning techniques. Three distinct labelling formats were developed -- full image, patch, and superpixel. Our investigation encompassed a wide array of DL segmentation and classification methodologies, ranging from conventional approaches like UNet, to generative adversarial networks such as cGAN, and modified techniques like FPN+VGG16. Also, we explored DL-based classification methods (e.g., ResNet50) and machine learning-based classification leveraging DL features (e.g., AlexNet+RF). In total, 82 wound tissue segmentation models were derived across the three labelling formats. Our analysis yielded several notable findings, including identifying optimal DL models for each labelling format based on weighted average Dice or F1 scores. Notably, FPN+VGG16 emerged as the top-performing DL model for wound tissue segmentation, achieving a dice score of 82.25%. This study provides a valuable benchmark for evaluating wound image segmentation and classification models, offering insights to inform future research and clinical practice in wound care. The labelled dataset created in this study is available at https://github.com/akabircs/WoundTissue.
• Abstract（参考訳）: 深層学習(DL)技術は創傷組織セグメンテーションの有望な解決策として浮上している。 しかし、この分野における注目すべき制限は、公開可能なラベル付きデータセットの欠如と、そのようなデータセット上での最先端のDLモデルの標準化されたパフォーマンス評価である。 本研究は, 創部組織分割のための各種DLモデルを新しいデータセットを用いて包括的に評価することにより, このギャップに対処する。 創傷画像147枚からなり, 皮下, 顆粒化, 乳化, 壊死, 骨, 腱の6種類の組織像が得られた。 データセットは、教師付き機械学習技術を用いたセマンティックセグメンテーションのために慎重にラベル付けされた。 フルイメージ、パッチ、スーパーピクセルの3つの異なるラベル形式が開発された。 本研究は,UNetなどの従来の手法から,cGANなどの生成的敵ネットワーク,FPN+VGG16などの修正手法まで,幅広いDLセグメンテーションと分類手法を網羅した。 また,DL機能を利用したDLベース分類手法(ResNet50など)と機械学習ベース分類(AlexNet+RFなど)についても検討した。 合計82の創傷組織分節モデルが3つのラベル付け形式で導出された。 分析の結果,重み付き平均Dice,F1スコアに基づくラベル形式毎の最適DLモデル同定など,いくつかの顕著な結果が得られた。 特に、FPN+VGG16は創部組織分節の最高性能DLモデルとして登場し、82.25%のダイススコアを得た。 本研究は創傷画像のセグメンテーションと分類モデルを評価するための貴重なベンチマークを提供し,創傷治療における今後の研究と臨床実践の知見を提供する。 この研究で作成されたラベル付きデータセットはhttps://github.com/akabircs/WoundT Issueで公開されている。

関連論文リスト

• Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
  AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。 本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
  論文  参考訳（メタデータ） (2025-02-07T21:09:05Z)
• UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
  ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。 異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。 特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
  論文  参考訳（メタデータ） (2024-02-20T11:50:27Z)
• RRWNet: Recursive Refinement Network for Effective Retinal Artery/Vein Segmentation and Classification [0.8386558353546658]
  網膜血管の徹底的な解析は、血管の分画と動脈と静脈への分類を必要とする。 本稿では,この制限に対処する新しいエンドツーエンドディープラーニングフレームワークRRWNetを紹介する。 特にRRWNetは、入力画像からベースセグメンテーションマップを生成するBaseサブネットワークと、これらのマップを反復的に改善するRecursive Refinementサブネットワークである。
  論文  参考訳（メタデータ） (2024-02-05T16:35:29Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• BHSD: A 3D Multi-Class Brain Hemorrhage Segmentation Dataset [24.094836682245006]
  頭蓋内出血 (ICH) は頭蓋内出血や脳内出血を特徴とする病態である。 深層学習技術は医用画像のセグメンテーションに広く使われており、ICHセグメンテーションタスクにも応用されている。 既存の公開ICHデータセットは、マルチクラスセグメンテーション問題をサポートしない。
  論文  参考訳（メタデータ） (2023-08-22T09:20:55Z)
• A three in one bottom-up framework for simultaneous semantic segmentation, instance segmentation and classification of multi-organ nuclei in digital cancer histology [3.2228025627337864]
  デジタル組織学における核の同時セグメンテーションと分類は、コンピュータによるがん診断において重要な役割を担っている。 最も達成されたバイナリとマルチクラスのPanoptic Quality (PQ)は、それぞれ0.68 bPQと0.49 mPQである。 この作業は、以前のモデルを同時インスタンスのセグメンテーションと分類に拡張します。
  論文  参考訳（メタデータ） (2023-08-22T04:10:14Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Domain Adaptive Nuclei Instance Segmentation and Classification via Category-aware Feature Alignment and Pseudo-labelling [65.40672505658213]
  本稿では, UDA 核インスタンス分割と分類のための新しいディープニューラルネットワークである Category-Aware 機能アライメントと Pseudo-Labelling Network (CAPL-Net) を提案する。 我々のアプローチは、最先端のUDA手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2022-07-04T07:05:06Z)
• Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
  我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。 本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。 我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
  論文  参考訳（メタデータ） (2020-06-06T06:48:40Z)
• IntrA: 3D Intracranial Aneurysm Dataset for Deep Learning [18.163031102785904]
  IntrAというオープンアクセス型3次元頭蓋内動脈瘤データセットを導入し、ポイントベースおよびメッシュベース分類とセグメンテーションモデルの適用を可能にした。 本データセットは頭蓋内動脈瘤の診断に有用であり, 頸部を摘出し, クリッピング術を施行した。
  論文  参考訳（メタデータ） (2020-03-02T05:21:53Z)

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。