論文の概要: Bronchovascular Tree-Guided Weakly Supervised Learning Method for Pulmonary Segment Segmentation
- arxiv url: http://arxiv.org/abs/2505.13911v1
- Date: Tue, 20 May 2025 04:23:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 14:49:52.740855
- Title: Bronchovascular Tree-Guided Weakly Supervised Learning Method for Pulmonary Segment Segmentation
- Title（参考訳）: 肺分節分類のための気管支血管柄付弱監視学習法
- Authors: Ruijie Zhao, Zuopeng Tan, Xiao Xue, Longfei Zhao, Bing Li, Zicheng Liao, Ying Ming, Jiaru Wang, Ran Xiao, Sirong Piao, Rui Zhao, Qiqi Xu, Wei Song,
- Abstract要約: AHSL(Anatomy-Hierarchy Supervised Learning)と呼ばれる弱教師付き学習手法を提案する。
WSLは肺セグメントの正確な臨床解剖学的定義を参考に肺セグメントのセグメンテーションを行う。
気管支血管新生情報を組み込んだ2段階セグメンテーション戦略を導入する。
- 参考スコア（独自算出の注目度）: 10.281872642318957
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pulmonary segment segmentation is crucial for cancer localization and surgical planning. However, the pixel-wise annotation of pulmonary segments is laborious, as the boundaries between segments are indistinguishable in medical images. To this end, we propose a weakly supervised learning (WSL) method, termed Anatomy-Hierarchy Supervised Learning (AHSL), which consults the precise clinical anatomical definition of pulmonary segments to perform pulmonary segment segmentation. Since pulmonary segments reside within the lobes and are determined by the bronchovascular tree, i.e., artery, airway and vein, the design of the loss function is founded on two principles. First, segment-level labels are utilized to directly supervise the output of the pulmonary segments, ensuring that they accurately encompass the appropriate bronchovascular tree. Second, lobe-level supervision indirectly oversees the pulmonary segment, ensuring their inclusion within the corresponding lobe. Besides, we introduce a two-stage segmentation strategy that incorporates bronchovascular priori information. Furthermore, a consistency loss is proposed to enhance the smoothness of segment boundaries, along with an evaluation metric designed to measure the smoothness of pulmonary segment boundaries. Visual inspection and evaluation metrics from experiments conducted on a private dataset demonstrate the effectiveness of our method.
- Abstract（参考訳）: 肺の分節化はがんの局所化と手術計画に不可欠である。
しかし, 肺領域の境界は医学画像では区別できないため, 肺領域のピクセルワイドアノテーションは困難である。
そこで本研究では,肺セグメントの精密な解剖学的定義を参考に肺セグメント分割を行うために,AHSL(Anatomy-Hierarchy Supervised Learning)と呼ばれる弱教師付き学習法を提案する。
肺セグメントは葉内に存在し、気管支血管樹、すなわち動脈、気道、静脈によって決定されるため、損失関数の設計は2つの原則に基づいている。
まず、セグメントレベルのラベルを使用して、肺セグメントの出力を直接監視し、適切な気管支血管樹を正確に包含することを保証する。
第二に、ローブレベルの監督は間接的に肺の分節を監督し、対応するローブに含まれることを確実にする。
また,気管支血管新生情報を組み込んだ2段階セグメンテーション戦略も導入した。
さらに, 肺セグメント境界の滑らかさを測定するための評価指標とともに, セグメント境界の滑らかさを高めるために, 整合性損失を提案する。
プライベートデータセットを用いた実験から得られた視覚検査および評価指標は,本手法の有効性を実証する。
関連論文リスト
- Shape-aware synthesis of pathological lung CT scans using CycleGAN for enhanced semi-supervised lung segmentation [0.0]
本稿では,画像-画像間翻訳におけるCycleGANの使用を強調した。
既存の真実と一致する偽の病理画像を生成することができる拡張方法を提供する。
本研究の予備的な結果は, 質的, 定量的に有意な改善を示すものである。
論文 参考訳（メタデータ） (2024-05-14T12:45:49Z) - Semi- and Weakly-Supervised Learning for Mammogram Mass Segmentation with Limited Annotations [49.33388736227072]
本稿では,マスセグメンテーションのための半弱教師付き学習フレームワークを提案する。
良好な性能を得るために, 限られた強ラベルのサンプルと十分な弱ラベルのサンプルを用いる。
CBIS-DDSMおよびINbreastデータセットを用いた実験により,本手法の有効性が示された。
論文 参考訳（メタデータ） (2024-03-14T12:05:25Z) - BRONCO: Automated modelling of the bronchovascular bundle using the
Computed Tomography Images [32.586316762855944]
我々はCT画像に基づく気管支血管束のセグメンテーションパイプラインを提案する。
我々は,低用量CTと標準用CTの両方で,様々な病理組織を用いて,様々なスライス厚で再構成し,各種機械から取得した。
論文 参考訳（メタデータ） (2023-09-18T00:38:25Z) - What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。
しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。
肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
論文 参考訳（メタデータ） (2022-07-07T04:24:17Z) - BronchusNet: Region and Structure Prior Embedded Representation Learning
for Bronchus Segmentation and Classification [53.53758990624962]
そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。
気管支分画のための適応型ハード領域対応UNetを提案する。
気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
論文 参考訳（メタデータ） (2022-05-14T02:32:33Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - Pulmonary Fissure Segmentation in CT Images Based on ODoS Filter and
Shape Features [3.7006330637320897]
我々は、方位情報と等級情報を融合して、ファイジャー強化のための構造特徴を強調することにより、ODoSフィルタを採用する。
大きさ場における肺細管と管状構造の形状差を考慮し, 形状測定法と3次元骨格化モデルを組み合わせて肺細管を切断する。
論文 参考訳（メタデータ） (2022-01-23T02:43:03Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Deep Residual 3D U-Net for Joint Segmentation and Texture Classification
of Nodules in Lung [91.3755431537592]
肺結節の分類法, そのテクスチャ分類, 肺CT像による後続の推奨について検討した。
提案手法は, 一般的なU-Netアーキテクチャファミリに基づくニューラルネットワークモデルと, 共同結節分割とそのテクスチャ分類タスクと, フォローアップレコメンデーションのためのアンサンブルベースモデルから構成される。
論文 参考訳（メタデータ） (2020-06-25T07:20:41Z)
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。