Fugu-MT 論文翻訳(概要): RepAir: A Framework for Airway Segmentation and Discontinuity Correction in CT

論文の概要: RepAir: A Framework for Airway Segmentation and Discontinuity Correction in CT

arxiv url: http://arxiv.org/abs/2511.14649v1
Date: Tue, 18 Nov 2025 16:41:44 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-19 16:23:53.217776
Title: RepAir: A Framework for Airway Segmentation and Discontinuity Correction in CT
Title（参考訳）: RepAir:CTにおける気道セグメンテーションと不連続補正のためのフレームワーク
Authors: John M. Oyer, Ali Namvar, Benjamin A. Hoff, Wassim W. Labaki, Ella A. Kazerooni, Charles R. Hatt, Fernando J. Martinez, MeiLan K. Han, Craig J. Galbán, Sundaresh Ram,
Abstract要約: RepAirは、nnU-Netベースのネットワークと解剖学的に情報を得たトポロジー補正を組み合わせた3Dエアウェイセグメンテーションフレームワークである。 ATM'22とAeroPathのアノテートCTと重篤な気道病変を伴うアノテートスキャンの2つの異なるデータセットでRepAirを評価した。
参考スコア（独自算出の注目度）: 30.786771148081446
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accurate airway segmentation from chest computed tomography (CT) scans is essential for quantitative lung analysis, yet manual annotation is impractical and many automated U-Net-based methods yield disconnected components that hinder reliable biomarker extraction. We present RepAir, a three-stage framework for robust 3D airway segmentation that combines an nnU-Net-based network with anatomically informed topology correction. The segmentation network produces an initial airway mask, after which a skeleton-based algorithm identifies potential discontinuities and proposes reconnections. A 1D convolutional classifier then determines which candidate links correspond to true anatomical branches versus false or obstructed paths. We evaluate RepAir on two distinct datasets: ATM'22, comprising annotated CT scans from predominantly healthy subjects and AeroPath, encompassing annotated scans with severe airway pathology. Across both datasets, RepAir outperforms existing 3D U-Net-based approaches such as Bronchinet and NaviAirway on both voxel-level and topological metrics, and produces more complete and anatomically consistent airway trees while maintaining high segmentation accuracy.
Abstract（参考訳）: 胸部CTスキャンによる正確な気道セグメンテーションは肺の定量的解析には不可欠であるが、手動アノテーションは実用的ではなく、多くの自動化されたU-Netベースの手法は、信頼性の高いバイオマーカー抽出を妨げる不連結成分を生成する。本稿では, nnU-Netネットワークと解剖学的情報に基づくトポロジ補正を組み合わせた, 堅牢な3次元気道セグメンテーションのための3段階フレームワークRepAirを提案する。セグメンテーションネットワークは初期気道マスクを生成し、その後、骨格に基づくアルゴリズムが潜在的な不連続性を識別し、再接続を提案する。 1D畳み込み分類器は、どの候補リンクが真解剖学の枝に対応するかを決定する。 ATM'22とAeroPathのアノテートCTと重篤な気道病変を伴うアノテートスキャンの2つの異なるデータセットでRepAirを評価した。両方のデータセットで、RepAirは、BronchinetやNaviAirwayといった既存の3D U-Netベースのアプローチを、ボクセルレベルとトポロジカルメトリクスの両方で上回り、高いセグメンテーション精度を維持しながら、より完全で解剖学的に一貫した気道木を生成する。

関連論文リスト

Progressive Curriculum Learning with Scale-Enhanced U-Net for Continuous Airway Segmentation [3.1903847117782274]
胸部CT画像における気道の連続的,正確な分画は,術前の計画とリアルタイム気管支鏡ナビゲーションに不可欠である。セグメンテーションの継続性を高めるために,プログレッシブカリキュラム学習パイプラインとスケール強化U-Netを提案する。社内および公開データセットの両方の実験により、我々の手法が既存のアプローチより優れていることが示された。
論文参考訳（メタデータ） (2024-10-24T06:10:09Z)
Accurate Airway Tree Segmentation in CT Scans via Anatomy-aware Multi-class Segmentation and Topology-guided Iterative Learning [15.492349389589121]
CT(Computed tomography)における胸腔内気道セグメンテーションは様々な呼吸器疾患解析の前提条件である。既存のエアウェイデータセットのほとんどは、不完全なラベル付き/注釈付きである。本稿では,トポロジ誘導型反復型自己学習によって強化された,解剖学に適応したマルチクラスエアウェイセグメンテーション手法を提案する。
論文参考訳（メタデータ） (2023-06-15T13:23:05Z)
Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文参考訳（メタデータ） (2023-06-06T18:01:08Z)
Two-stage Contextual Transformer-based Convolutional Neural Network for Airway Extraction from CT Images [17.45239343953272]
CT画像を用いた気道セグメンテーションのための新しい2段階3次元コンテクスト変換器U-Netを提案する。この方法は2つの段階から構成され、初期および改良された気道セグメンテーションを実行する。第1段階では、サブネットに全気道マスクとCT画像が設けられ、サブネットに肺内マスクと対応するCTスキャンが提供される。
論文参考訳（メタデータ） (2022-12-15T08:18:37Z)
Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文参考訳（メタデータ） (2022-09-05T16:38:13Z)
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)
NaviAirway: a Bronchiole-sensitive Deep Learning-based Airway Segmentation Pipeline [3.7744002572669535]
胸部CT画像解析には気道セグメンテーションが不可欠である。気道トポロジー保存のためのブロンキオール感受性損失関数からなるNaviAirway法を提案する。実験の結果,NaviAirwayは既存の手法よりも優れていた。
論文参考訳（メタデータ） (2022-03-08T04:23:47Z)
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)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
FDA: Feature Decomposition and Aggregation for Robust Airway Segmentation [28.880817101034715]
クリーン領域とノイズ領域の変動に対処する新しいデュアルストリームネットワークを提案する。トランスファー可能なクリーンな特徴とノイズの多い特徴を別々に抽出する2つの異なるエンコーダを設計した。ノイズCTでは, 気管支の分画が良好であった。
論文参考訳（メタデータ） (2021-09-07T08:16:51Z)
SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
論文参考訳（メタデータ） (2021-04-12T05:51:29Z)

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。