Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels

要約

脳血管疾患の診断と治療には、脳血管の正確なセグメンテーションが不可欠です。
しかし、既存の方法では、小型船舶を捕捉し、部分的または曖昧に注釈が付けられたデータセットを処理する際に課題に直面しています。
この論文では、これらの課題に対処するための適応型半教師ありアプローチを提案します。
私たちのアプローチには、漸進的半教師あり学習、適応トレーニング戦略、境界強化などの革新的な技術が組み込まれています。
3DRA データセットの実験結果は、メッシュベースのセグメンテーション メトリクスの点で私たちの方法の優位性を示しています。
主要な血管のみに注釈を付ける、部分的かつ曖昧にラベル付けされたデータを活用することにより、私たちの方法は、誤ってラベル付けされた細い血管に対して優れたセグメンテーション性能を達成し、臨床応用の可能性を示しています。

要約(オリジナル)

Accurate segmentation of brain vessels is crucial for cerebrovascular disease diagnosis and treatment. However, existing methods face challenges in capturing small vessels and handling datasets that are partially or ambiguously annotated. In this paper, we propose an adaptive semi-supervised approach to address these challenges. Our approach incorporates innovative techniques including progressive semi-supervised learning, adaptative training strategy, and boundary enhancement. Experimental results on 3DRA datasets demonstrate the superiority of our method in terms of mesh-based segmentation metrics. By leveraging the partially and ambiguously labeled data, which only annotates the main vessels, our method achieves impressive segmentation performance on mislabeled fine vessels, showcasing its potential for clinical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google