Ultrasound Image Segmentation of Thyroid Nodule via Latent Semantic Feature Co-Registration

要約

甲状腺超音波画像診断における結節のセグメンテーションは、甲状腺がんの検出と治療において重要な役割を果たします。
ただし、病院ごとにスキャナーのベンダーや画像処理プロトコルが多様であるため、医療画像セグメンテーションの分野では専門家レベルの精度がすでに実証されている自動セグメンテーション モデルは、一般化パフォーマンスが弱いため、精度が低下していることがわかります。
臨床的に現実的な環境に適用されます。
この問題に対処するために、本論文では、新しいタイプの相互登録ネットワークを通じて達成される甲状腺結節セグメンテーションのフレームワークである ASTN を提案します。
このフレームワークは、アトラスとターゲット画像から潜在的な意味情報を抽出し、詳細な機能を利用して甲状腺超音波画像内の結節の相互位置合わせを行うことで、解剖学的構造の完全性を確保し、全体的な結果としてセグメンテーションへの影響を軽減できます。
デバイスの違いによる画像の違い。
さらに、この論文では、共同登録の難しさを軽減するためのアトラス選択アルゴリズムも提供します。
さまざまなデバイスのデータセットから収集された評価結果が示すように、私たちが提案した手法のおかげで、高いレベルのセグメンテーション精度を維持しながらモデルの一般化が大幅に向上しました。

要約(オリジナル)

Segmentation of nodules in thyroid ultrasound imaging plays a crucial role in the detection and treatment of thyroid cancer. However, owing to the diversity of scanner vendors and imaging protocols in different hospitals, the automatic segmentation model, which has already demonstrated expert-level accuracy in the field of medical image segmentation, finds its accuracy reduced as the result of its weak generalization performance when being applied in clinically realistic environments. To address this issue, the present paper proposes ASTN, a framework for thyroid nodule segmentation achieved through a new type co-registration network. By extracting latent semantic information from the atlas and target images and utilizing in-depth features to accomplish the co-registration of nodules in thyroid ultrasound images, this framework can ensure the integrity of anatomical structure and reduce the impact on segmentation as the result of overall differences in image caused by different devices. In addition, this paper also provides an atlas selection algorithm to mitigate the difficulty of co-registration. As shown by the evaluation results collected from the datasets of different devices, thanks to the method we proposed, the model generalization has been greatly improved while maintaining a high level of segmentation accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google