要約
CT、MRI、PET などの 3 次元 (3D) 画像は、医療用画像アプリケーションでは一般的であり、臨床診断においても重要です。
セマンティックなあいまいさは、多くの医療画像ラベルの典型的な特徴です。
これは、イメージング プロパティ、病理学的解剖学、および正確な 3D セグメンテーションに課題をもたらすバイナリ マスクの弱い表現など、多くの要因によって引き起こされる可能性があります。
2D 医用画像では、画像マッティングによって生成されたバイナリ マスクの代わりにソフト マスクを使用して病変を特徴付けることで、豊富なセマンティック情報を提供し、病変の構造的特徴をより包括的に説明できるため、その後の診断と分析に役立ちます。
この作業では、3D シーンに画像マッティングを導入して、3D 医療画像の病変を説明します。
3D モダリティでの画像マッティングの研究は限られており、3D マッティングに関連する高品質の注釈付きデータセットがないため、データ駆動型の深層学習ベースの方法の開発が遅れています。
この問題に対処するために、最初の 3D 医療マット データセットを構築し、肺結節分類における品質管理と下流の実験を通じて、データセットの有効性を説得力をもって検証しました。
次に、選択した 4 つの最先端の 2D 画像マッティング アルゴリズムを 3D シーンに適応させ、CT 画像の方法をさらにカスタマイズします。
また、最初のエンドツーエンドのディープ 3D マッティング ネットワークを提案し、ソリッドな 3D 医用画像マッティング ベンチマークを実装します。これは、さらなる研究を促進するためにリリースされる予定です。
要約(オリジナル)
Three-dimensional (3D) images, such as CT, MRI, and PET, are common in medical imaging applications and important in clinical diagnosis. Semantic ambiguity is a typical feature of many medical image labels. It can be caused by many factors, such as the imaging properties, pathological anatomy, and the weak representation of the binary masks, which brings challenges to accurate 3D segmentation. In 2D medical images, using soft masks instead of binary masks generated by image matting to characterize lesions can provide rich semantic information, describe the structural characteristics of lesions more comprehensively, and thus benefit the subsequent diagnoses and analyses. In this work, we introduce image matting into the 3D scenes to describe the lesions in 3D medical images. The study of image matting in 3D modality is limited, and there is no high-quality annotated dataset related to 3D matting, therefore slowing down the development of data-driven deep-learning-based methods. To address this issue, we constructed the first 3D medical matting dataset and convincingly verified the validity of the dataset through quality control and downstream experiments in lung nodules classification. We then adapt the four selected state-of-the-art 2D image matting algorithms to 3D scenes and further customize the methods for CT images. Also, we propose the first end-to-end deep 3D matting network and implement a solid 3D medical image matting benchmark, which will be released to encourage further research.
arxiv情報
| 著者 | Lin Wang,Xiufen Ye,Donghao Zhang,Wanji He,Lie Ju,Xin Wang,Wei Feng,Kaimin Song,Xin Zhao,Zongyuan Ge |
| 発行日 | 2022-09-16 10:18:59+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google