論文の概要: GLCP: Global-to-Local Connectivity Preservation for Tubular Structure Segmentation
- arxiv url: http://arxiv.org/abs/2507.21328v1
- Date: Mon, 28 Jul 2025 20:49:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-30 17:08:55.270106
- Title: GLCP: Global-to-Local Connectivity Preservation for Tubular Structure Segmentation
- Title（参考訳）: GLCP: 球状構造セグメンテーションのためのグローバル-ローカル接続性保存
- Authors: Feixiang Zhou, Zhuangzhi Gao, He Zhao, Jianyang Xie, Yanda Meng, Yitian Zhao, Gregory Y. H. Lip, Yalin Zheng,
- Abstract要約: 本稿では,グローバル・ローカル・コネクティビティ保護(GLCP)フレームワークを提案する。
さらに,DAR(Dual-Attention-based Refinement)モジュールを設計し,セグメンテーション品質をさらに向上する。
我々のGLCPは、いくつかの最先端手法と比較して管状構造セグメンテーションの精度と連続性を向上する。
- 参考スコア（独自算出の注目度）: 16.961703984508457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate segmentation of tubular structures, such as vascular networks, plays a critical role in various medical domains. A remaining significant challenge in this task is structural fragmentation, which can adversely impact downstream applications. Existing methods primarily focus on designing various loss functions to constrain global topological structures. However, they often overlook local discontinuity regions, leading to suboptimal segmentation results. To overcome this limitation, we propose a novel Global-to-Local Connectivity Preservation (GLCP) framework that can simultaneously perceive global and local structural characteristics of tubular networks. Specifically, we propose an Interactive Multi-head Segmentation (IMS) module to jointly learn global segmentation, skeleton maps, and local discontinuity maps, respectively. This enables our model to explicitly target local discontinuity regions while maintaining global topological integrity. In addition, we design a lightweight Dual-Attention-based Refinement (DAR) module to further improve segmentation quality by refining the resulting segmentation maps. Extensive experiments on both 2D and 3D datasets demonstrate that our GLCP achieves superior accuracy and continuity in tubular structure segmentation compared to several state-of-the-art approaches. The source codes will be available at https://github.com/FeixiangZhou/GLCP.
- Abstract（参考訳）: 血管網などの管状構造の正確なセグメンテーションは、様々な医療領域において重要な役割を担っている。
このタスクで残る重要な課題は構造的断片化であり、下流のアプリケーションに悪影響を及ぼす可能性がある。
既存の手法は主に、グローバルな位相構造を制約する様々な損失関数の設計に焦点を当てている。
しかし、それらはしばしば局所的な不連続領域を見落とし、最適部分分割の結果をもたらす。
この制限を克服するために,管状ネットワークのグローバル・ローカルな構造特性を同時に知覚できる新しいGLCP(Global-to-Local Connectivity Preservation)フレームワークを提案する。
具体的には,グローバルセグメンテーション,スケルトンマップ,局所不連続マップを共同で学習する対話型マルチヘッドセグメンテーション(IMS)モジュールを提案する。
これにより,グローバルなトポロジ的整合性を維持しつつ,局所的な不連続領域を明示的に対象とすることが可能になる。
さらに,より軽量なDARモジュールを設計し,その結果のセグメンテーションマップを精細化し,セグメンテーション品質をさらに向上する。
2次元と3次元の両方のデータセットに対する大規模な実験により、我々のGLCPは、いくつかの最先端のアプローチと比較して管状構造セグメンテーションにおいて優れた精度と連続性を達成していることが示された。
ソースコードはhttps://github.com/FeixiangZhou/GLCPで入手できる。
関連論文リスト
- LM-Net: A Light-weight and Multi-scale Network for Medical Image Segmentation [7.963884317408774]
現在の医療画像セグメンテーションアプローチは、マルチスケール情報を深く探究するのに限界がある。
本稿では,セグメンテーションの精度を高めるために,新しい軽量マルチスケールアーキテクチャ (LM-Net) を提案する。
提案モデルでは,4.66GのFLOPと5.4Mのパラメータしか必要とせず,従来の手法を超越した最新結果が得られる。
論文 参考訳（メタデータ） (2025-01-07T14:47:15Z) - Dynamic Snake Convolution based on Topological Geometric Constraints for
Tubular Structure Segmentation [12.081234339680456]
我々はこの知識を用いてDSCNetを誘導し、特徴抽出、特徴融合、損失制約という3つの段階の認識を同時に強化する。
2Dおよび3Dデータセットの実験により、DSCNetは管状構造セグメンテーションタスクにおいて、いくつかの手法と比較して精度と連続性が高いことを示した。
論文 参考訳（メタデータ） (2023-07-17T10:55:58Z) - LCPFormer: Towards Effective 3D Point Cloud Analysis via Local Context
Propagation in Transformers [60.51925353387151]
本稿では,近隣地域間のメッセージパッシングを活用するために,LCP (Local Context Propagation) という新しいモジュールを提案する。
隣接するローカル領域の重複点を仲介として使用した後、異なるローカルリージョンからの共有ポイントの特徴を再重み付けし、その後、次のレイヤに渡す。
提案手法は, 異なるタスクに適用可能であり, 3次元形状分類や高密度予測タスクを含むベンチマークにおいて, 様々なトランスフォーマーベースの手法より優れる。
論文 参考訳（メタデータ） (2022-10-23T15:43:01Z) - SpatioTemporal Focus for Skeleton-based Action Recognition [66.8571926307011]
グラフ畳み込みネットワーク(GCN)は骨格に基づく行動認識において広く採用されている。
近年提案されている骨格に基づく行動認識法の性能は以下の要因によって制限されていると論じる。
近年の注目機構に着想を得て,アクション関連関係情報を取得するためのマルチグラインド・コンテキスト集中モジュール MCF を提案する。
論文 参考訳（メタデータ） (2022-03-31T02:45:24Z) - Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。
私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
論文 参考訳（メタデータ） (2021-07-28T03:46:57Z) - A persistent homology-based topological loss for CNN-based multi-class
segmentation of CMR [5.898114915426535]
心臓磁気共鳴(CMR)画像のマルチクラスセグメンテーションは、既知の構造と構成を持つ解剖学的構成要素にデータの分離を求める。
最も一般的なCNNベースの手法は、解剖を特徴付ける空間的に拡張された特徴を無視した画素ワイズ損失関数を用いて最適化されている。
これらのアプローチは、全てのクラスラベルとクラスラベルペアのリッチなトポロジカル記述を構築することで、マルチクラスセグメンテーションのタスクに拡張する。
論文 参考訳（メタデータ） (2021-07-27T09:21:38Z) - Topology-Aware Segmentation Using Discrete Morse Theory [38.65353702366932]
深部画像セグメンテーションネットワークを訓練し、位相精度を向上させる新しい手法を提案する。
1次元骨格や2次元パッチなど,位相的精度に重要なグローバル構造を明らかにする。
多様なデータセットに対して,DICEスコアとトポロジカルメトリクスの両方で優れた性能を示す。
論文 参考訳（メタデータ） (2021-03-18T02:47:21Z) - Unveiling the Potential of Structure-Preserving for Weakly Supervised
Object Localization [71.79436685992128]
本稿では,WSOLの畳み込み機能に組み込まれた構造情報を完全に活用するための2段階構造保存アクティベーション(SPA)を提案する。
第1段階では、分類ネットワークによって引き起こされる構造ミス問題を軽減するために制限アクティベーションモジュール(ram)が設計されている。
第2段階では, 自己相関マップ生成(SCG)モジュールと呼ばれるプロセス後アプローチを提案し, 構造保存ローカライゼーションマップを得る。
論文 参考訳（メタデータ） (2021-03-08T03:04:14Z) - PGL: Prior-Guided Local Self-supervised Learning for 3D Medical Image
Segmentation [87.50205728818601]
本稿では,潜在特徴空間における局所的一貫性を学習するPGL(PresideedGuided Local)自己教師モデルを提案する。
我々のPGLモデルは、局所領域の特異な表現を学習し、したがって構造情報を保持できる。
論文 参考訳（メタデータ） (2020-11-25T11:03:11Z) - clDice -- A Novel Topology-Preserving Loss Function for Tubular
Structure Segmentation [57.20783326661043]
中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。
理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。
我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
論文 参考訳（メタデータ） (2020-03-16T16:27:49Z)
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。