Automatic Aorta Segmentation with Heavily Augmented, High-Resolution 3-D ResUNet: Contribution to the SEG.A Challenge

要約

3D 医療ボリュームからの大動脈の自動セグメンテーションは重要ですが、難しいタスクです。
いくつかの要因が問題を困難にしています。
大動脈解離の可能性、または小さな枝を分割して注釈を付けるのが難しい。
この作品は、MICCAI 2023 カンファレンス中に企画された SEG.A チャレンジに対する MedGIFT チームによる貢献を紹介します。
我々は、ディープエンコーダ-デコーダアーキテクチャに基づいた完全に自動化されたアルゴリズムを提案します。
私たちの仕事の背後にある主な前提は、特に低データ領域では、データの前処理と拡張がディープ アーキテクチャよりもはるかに重要であるということです。
したがって、このソリューションは従来の畳み込み U-Net の変形に基づいています。
提案されたソリューションは、すべてのテスト ケースで 0.9 を超える Dice スコアを達成し、すべての参加者の中で最も高い安定性を示しました。
この方法は、臨床評価、定量的結果、容積メッシング品質の点でそれぞれ 1 位、4 位、3 位のスコアを獲得しました。
私たちはソース コード、事前トレーニング済みモデルを自由に公開し、Grand-Challenge プラットフォーム上のアルゴリズムへのアクセスを提供します。

要約(オリジナル)

Automatic aorta segmentation from 3-D medical volumes is an important yet difficult task. Several factors make the problem challenging, e.g. the possibility of aortic dissection or the difficulty with segmenting and annotating the small branches. This work presents a contribution by the MedGIFT team to the SEG.A challenge organized during the MICCAI 2023 conference. We propose a fully automated algorithm based on deep encoder-decoder architecture. The main assumption behind our work is that data preprocessing and augmentation are much more important than the deep architecture, especially in low data regimes. Therefore, the solution is based on a variant of traditional convolutional U-Net. The proposed solution achieved a Dice score above 0.9 for all testing cases with the highest stability among all participants. The method scored 1st, 4th, and 3rd in terms of the clinical evaluation, quantitative results, and volumetric meshing quality, respectively. We freely release the source code, pretrained model, and provide access to the algorithm on the Grand-Challenge platform.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google