論文の概要: DBF-UNet: A Two-Stage Framework for Carotid Artery Segmentation with Pseudo-Label Generation

• arxiv url: http://arxiv.org/abs/2504.00908v1
• Date: Tue, 01 Apr 2025 15:41:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:21:48.934909
• Title: DBF-UNet: A Two-Stage Framework for Carotid Artery Segmentation with Pseudo-Label Generation
• Title（参考訳）: DBF-UNet:擬似ラベル生成による頸動脈分割のための2段階フレームワーク
• Authors: Haoxuan Li, Wei Song, Aofan Liu, Peiwu Qin,
• Abstract要約: 頸動脈セグメンテーションにおけるスパースアノテーション問題に対処する2段階セグメンテーションフレームワークを提案する。 我々は,これらの中心線に沿ってアノテートされたスライスセントロイドとプロパゲートラベルを補間することにより,連続的な容器中心線を構築する。 第2段階では,Dense Bidirectional Feature Fusion UNetを提案する。
• 参考スコア（独自算出の注目度）: 8.22650587342049
• License:
• Abstract: Medical image analysis faces significant challenges due to limited annotation data, particularly in three-dimensional carotid artery segmentation tasks, where existing datasets exhibit spatially discontinuous slice annotations with only a small portion of expert-labeled slices in complete 3D volumetric data. To address this challenge, we propose a two-stage segmentation framework. First, we construct continuous vessel centerlines by interpolating between annotated slice centroids and propagate labels along these centerlines to generate interpolated annotations for unlabeled slices. The slices with expert annotations are used for fine-tuning SAM-Med2D, while the interpolated labels on unlabeled slices serve as prompts to guide segmentation during inference. In the second stage, we propose a novel Dense Bidirectional Feature Fusion UNet (DBF-UNet). This lightweight architecture achieves precise segmentation of complete 3D vascular structures. The network incorporates bidirectional feature fusion in the encoder and integrates multi-scale feature aggregation with dense connectivity for effective feature reuse. Experimental validation on public datasets demonstrates that our proposed method effectively addresses the sparse annotation challenge in carotid artery segmentation while achieving superior performance compared to existing approaches. The source code is available at https://github.com/Haoxuanli-Thu/DBF-UNet.
• Abstract（参考訳）: 医用画像解析は、特に3次元頸動脈セグメンテーションタスクにおいて、既存のデータセットが空間的に不連続なスライスアノテーションを示し、専門家ラベルのスライスの一部を完全な3次元容積データに収めることによって、重要な課題に直面している。 この課題に対処するため,我々は2段階のセグメンテーションフレームワークを提案する。 まず、アノテートされたスライスセントロイドとそれらの中心線に沿ってプロパゲートラベルを補間して連続的な血管中心線を構築し、ラベルなしスライスに対する補間アノテーションを生成する。 専門家アノテーション付きのスライスはSAM-Med2Dの微調整に使用され、ラベルなしスライスの補間ラベルは推論中にセグメンテーションをガイドするプロンプトとして機能する。 第2段階では,Dense Bidirectional Feature Fusion UNet (DBF-UNet) を提案する。 この軽量なアーキテクチャは、完全な3次元血管構造の正確なセグメンテーションを実現する。 このネットワークはエンコーダに双方向機能融合を組み込み、マルチスケール機能集約と高密度接続を統合して効率的な機能再利用を実現する。 提案手法は頸動脈の分節化におけるスパースアノテーションの課題に効果的に対処し,既存の手法と比較して優れた性能を実現していることを示す。 ソースコードはhttps://github.com/Haoxuanli-Thu/DBF-UNetで入手できる。

関連論文リスト

• Bayesian Self-Training for Semi-Supervised 3D Segmentation [59.544558398992386]
  3Dセグメンテーションはコンピュータビジョンの中核的な問題である。 完全に教師されたトレーニングを採用するために、3Dポイントクラウドを密にラベル付けすることは、労働集約的で高価です。 半教師付きトレーニングは、ラベル付きデータの小さなセットのみを付与し、より大きなラベル付きデータセットを伴って、より実用的な代替手段を提供する。
  論文  参考訳（メタデータ） (2024-09-12T14:54:31Z)
• Towards Modality-agnostic Label-efficient Segmentation with Entropy-Regularized Distribution Alignment [62.73503467108322]
  この話題は、3次元の点雲のセグメンテーションで広く研究されている。 近年まで、擬似ラベルは、限られた地道ラベルによる訓練を容易にするために広く用いられてきた。 既存の擬似ラベリングアプローチは、重複しないデータのノイズやバリエーションに悩まされる可能性がある。 本研究では,学習用擬似ラベルを正規化し,擬似ラベルとモデル予測とのギャップを効果的に狭める学習戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-29T13:31:15Z)
• Few-Shot 3D Volumetric Segmentation with Multi-Surrogate Fusion [31.736235596070937]
  軽量マルチサロゲート融合(MSF)を用いた新しい3DセグメンテーションフレームワークMSFSegを提案する。 MSFSegは、1つまたは数個の注釈付き2Dスライスまたは3Dシーケンスセグメントを備えた、目に見えない3Dオブジェクト/組織(トレーニング中)を自動的に分割することができる。 提案するMSFモジュールは, ラベル付きスライスと少数のラベル付きスライス/シーケンス間の包括的および多彩な相関関係を, 複数の指定されたサロゲートを介して抽出する。
  論文  参考訳（メタデータ） (2024-08-26T17:15:37Z)
• Label-Efficient 3D Brain Segmentation via Complementary 2D Diffusion Models with Orthogonal Views [10.944692719150071]
  相補的な2次元拡散モデルを用いた新しい3次元脳分割法を提案する。 私たちのゴールは、個々の主題に対して完全なラベルを必要とせずに、信頼性の高いセグメンテーション品質を達成することです。
  論文  参考訳（メタデータ） (2024-07-17T06:14:53Z)
• 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)
• 3D Medical Image Segmentation with Sparse Annotation via Cross-Teaching between 3D and 2D Networks [26.29122638813974]
  本稿では,3次元ネットワークと2次元ネットワークの相互学習を用いて,スパースアノテーションから頑健に学習できるフレームワークを提案する。 MMWHSデータセットに対する実験結果から,本手法は最先端(SOTA)半教師付きセグメンテーション法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-30T15:26:17Z)
• 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)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Image Understands Point Cloud: Weakly Supervised 3D Semantic Segmentation via Association Learning [59.64695628433855]
  ラベルのない画像から補完的な情報を取り入れた3次元セグメンテーションのための新しいクロスモダリティ弱教師付き手法を提案する。 基本的に、ラベルの小さな部分のパワーを最大化するために、アクティブなラベリング戦略を備えたデュアルブランチネットワークを設計する。 提案手法は,1%未満のアクティブなアノテーションで,最先端の完全教師付き競合よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-16T07:59:04Z)
• Collaborative Propagation on Multiple Instance Graphs for 3D Instance Segmentation with Single-point Supervision [63.429704654271475]
  本稿では,1つのオブジェクトを1つのポイントでラベル付けするだけでよい,弱教師付き手法RWSegを提案する。 これらの疎いラベルにより、セマンティック情報とインスタンス情報を伝達する2つの分岐を持つ統一的なフレームワークを導入する。 具体的には、異なるインスタンスグラフ間の競合を促進するクロスグラフ競合ランダムウォークス(CRW)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-10T02:14:39Z)
• Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
  超音波を用いた新しいカテーテルセグメンテーション法を提案する。 提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2020-10-19T13:56:22Z)

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。