What Makes for Automatic Reconstruction of Pulmonary Segments

要約

肺区域の3D再構成は、肺癌の外科的治療計画において重要な役割を果たします。これにより、肺機能の維持が促進され、再発率が低くなります。
ただし、深層学習の時代では、肺区域の自動再構築は未踏のままです。
この論文では、肺区域の自動再建に何が必要かを調査します。
何よりもまず、臨床的および幾何学的に、肺区域の解剖学的定義を定式化し、これらの定義に準拠した評価指標を提案します。
次に、ImPulSe（Implicit Pulmonary Segment）を提案します。これは、肺セグメントの再構築用に設計された深い陰関数曲面モデルです。
ImPulSeによる肺区域の自動再構築は、測定基準が正確で視覚的に魅力的です。
標準的なセグメンテーション方法と比較して、ImPulSeは、より高いトレーニング効率とより少ないパラメーターで、任意の解像度の連続予測を出力します。
最後に、肺セグメントの再構築のタスクで重要なことを分析するために、さまざまなネットワーク入力を実験します。
私たちのコードはhttps://github.com/M3DV/ImPulSeで入手できます。

要約(オリジナル)

3D reconstruction of pulmonary segments plays an important role in surgical treatment planning of lung cancer, which facilitates preservation of pulmonary function and helps ensure low recurrence rates. However, automatic reconstruction of pulmonary segments remains unexplored in the era of deep learning. In this paper, we investigate what makes for automatic reconstruction of pulmonary segments. First and foremost, we formulate, clinically and geometrically, the anatomical definitions of pulmonary segments, and propose evaluation metrics adhering to these definitions. Second, we propose ImPulSe (Implicit Pulmonary Segment), a deep implicit surface model designed for pulmonary segment reconstruction. The automatic reconstruction of pulmonary segments by ImPulSe is accurate in metrics and visually appealing. Compared with canonical segmentation methods, ImPulSe outputs continuous predictions of arbitrary resolutions with higher training efficiency and fewer parameters. Lastly, we experiment with different network inputs to analyze what matters in the task of pulmonary segment reconstruction. Our code is available at https://github.com/M3DV/ImPulSe.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google