論文の概要: Top-K Maximum Intensity Projection Priors for 3D Liver Vessel Segmentation

• arxiv url: http://arxiv.org/abs/2503.03367v1
• Date: Wed, 05 Mar 2025 10:43:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:52:06.145108
• Title: Top-K Maximum Intensity Projection Priors for 3D Liver Vessel Segmentation
• Title（参考訳）: 3次元肝血管分割術におけるTop-K Maximum Intensity Projection Presor
• Authors: Xiaotong Zhang, Alexander Broersen, Gonnie CM van Erp, Silvia L. Pintea, Jouke Dijkstra,
• Abstract要約: 我々は,各投影方向に沿って積分を置き換えることでCT再構成を模倣するトップk最大強度投影の概念を導入する。 我々はこれらのトップk最大射影を用いて拡散モデルを作成し,3次元肝血管木を生成する。 我々は,3D-ircadb-01データセットを用いた3D肝・血管のセグメンテーションを評価し,Diceの交叉,係数オーバーユニオン(IoU),感度スコアを先行研究と比較した。
• 参考スコア（独自算出の注目度）: 44.706905779969404
• License:
• Abstract: Liver-vessel segmentation is an essential task in the pre-operative planning of liver resection. State-of-the-art 2D or 3D convolution-based methods focusing on liver vessel segmentation on 2D CT cross-sectional views, which do not take into account the global liver-vessel topology. To maintain this global vessel topology, we rely on the underlying physics used in the CT reconstruction process, and apply this to liver-vessel segmentation. Concretely, we introduce the concept of top-k maximum intensity projections, which mimics the CT reconstruction by replacing the integral along each projection direction, with keeping the top-k maxima along each projection direction. We use these top-k maximum projections to condition a diffusion model and generate 3D liver-vessel trees. We evaluate our 3D liver-vessel segmentation on the 3D-ircadb-01 dataset, and achieve the highest Dice coefficient, intersection-over-union (IoU), and Sensitivity scores compared to prior work.
• Abstract（参考訳）: 肝切除の術前計画には肝動静脈分画が不可欠である。 肝-血管トポロジーを考慮に入れない2次元CT断面像に基づく肝血管分割に焦点を当てた最先端の2Dおよび3D畳み込み法について検討した。 このグローバルな血管トポロジーを維持するために,CT再構成法で用いられる基礎物理を頼りに,肝-血管セグメンテーションに応用する。 具体的には,各プロジェクション方向に沿って積分を置き換え,各プロジェクション方向に沿ってトップk最大値を維持することによってCT再構成を模倣する,トップk最大強度プロジェクションの概念を導入する。 我々はこれらのトップk最大射影を用いて拡散モデルを作成し,3次元肝血管木を生成する。 我々は,3D-ircadb-01データセットを用いた3D肝・血管のセグメンテーションを評価し,Dice係数,交叉結合(IoU),感性スコアを先行研究と比較した。

関連論文リスト

• 3D Vascular Segmentation Supervised by 2D Annotation of Maximum Intensity Projection [33.34240545722551]
  血管構造のセグメンテーションは、医学的分析と臨床応用において重要な役割を担っている。 既存の弱監督法は, スパース血管構造を扱う際に, 最適下肢機能を示した。 ここでは,3次元体積の次元を2次元画像に変換するために,最大強度投影(MIP)を用いる。 MIPを介して2D-3Dの深い特徴を融合してセグメンテーション性能を向上させる弱教師付きネットワークを導入する。
  論文  参考訳（メタデータ） (2024-02-19T13:24:46Z)
• Simultaneous Alignment and Surface Regression Using Hybrid 2D-3D Networks for 3D Coherent Layer Segmentation of Retinal OCT Images with Full and Sparse Annotations [32.69359482975795]
  本研究は, ハイブリッド2D-3D畳み込みニューラルネットワーク(CNN)を基盤として, OCTボリュームから連続した3次元網膜層表面を得るための新しい枠組みを提案する。 人工的データセットと3つのパブリックな臨床データセットの実験により、我々のフレームワークは、潜在的運動補正のためにBスキャンを効果的に調整できることを示した。
  論文  参考訳（メタデータ） (2023-12-04T08:32:31Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Hepatic vessel segmentation based on 3Dswin-transformer with inductive biased multi-head self-attention [46.46365941681487]
  Indu BIased Multi-Head Attention Vessel Net という,堅牢なエンドツーエンドのコンテナセグメンテーションネットワークを提案する。 正確な肝血管のボクセルを見つけるために,パッチワイド埋め込みよりもボクセルワイド埋め込みを導入する。 一方,絶対位置埋め込みから帰納的バイアス付き相対的位置埋め込みを学習する帰納的バイアス付きマルチヘッド自己アテンションを提案する。
  論文  参考訳（メタデータ） (2021-11-05T10:17:08Z)
• LIFE: A Generalizable Autodidactic Pipeline for 3D OCT-A Vessel Segmentation [5.457168581192045]
  最近のディープラーニングアルゴリズムは、有望な血管セグメンテーションの結果を生み出した。 しかし、手動による注記データがないため、3D網膜血管セグメンテーションは依然として困難である。 自己合成モダリティのみによって教師される学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-07-09T07:51:33Z)
• 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)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
  3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。 既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。 抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。 この課題を解決するためのハイブリッド表現学習手法を提案します。
  論文  参考訳（メタデータ） (2020-12-14T05:22:49Z)
• Graph Attention Network based Pruning for Reconstructing 3D Liver Vessel Morphology from Contrasted CT Images [28.611953211330125]
  本稿では,畳み込みニューラルネットワークとグラフアテンションネットワークを用いた肝血管形態再構成の枠組みを提案する。 完全な畳み込みニューラルネットワークは、まず肝臓の中枢熱マップを生成するために訓練される。 その後、画像処理に基づくアルゴリズムを用いて、熱マップに基づいてオーバーコンストラクトされた肝血管グラフモデルをトレースする。
  論文  参考訳（メタデータ） (2020-03-18T01:03:33Z)

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。