Make it more specific: A novel uncertainty based airway segmentation application on 3D U-Net and its variants

要約

最も正確な予測モデルを取得できるように、各医療セグメンテーション タスクは、そのシナリオに基づいて特定の AI アルゴリズムを使用して検討する必要があります。
医療セグメンテーションで最も一般的なアルゴリズムである 3D U-Net とそのバリアントは、肺気管セグメンテーションのタスクを直接実装できますが、気管の特殊なツリー状構造が考慮されていないため、アルゴリズムには改善の余地が多くあることが示唆されています。
セグメンテーションの精度。
したがって、最先端の DL アルゴリズムの多くは標準的な 3D U-Net 構造であり、肺気道セグメンテーションにおける特別な自然画像モダリティに付属するさまざまなパフォーマンス向上モジュールを導入していないため、研究ギャップが存在します。
本稿では、U-Net 構造に基づくブランチレベル U-Net (B-UNet) とブランチレベル CE-UNet (B-CE-UNet) という 2 つの異なるネットワーク構造を提案し、予測結果を比較しました。
同じデータセット。
特に、2 つのネットワークは両方とも、気道の微細な分岐末端の特徴を学習するために、分岐損失と中心線損失を追加します。
信頼性の高い予測を達成するために、不確実性推定アルゴリズムも組み込まれており、それによってモデル全体の全体的な信頼性が向上します。
さらに、最大接続率に基づく肺気管の予測が、セグメンテーションの洗練と枝刈りのための後処理中に計算および抽出されました。

要約(オリジナル)

Each medical segmentation task should be considered with a specific AI algorithm based on its scenario so that the most accurate prediction model can be obtained. The most popular algorithms in medical segmentation, 3D U-Net and its variants, can directly implement the task of lung trachea segmentation, but its failure to consider the special tree-like structure of the trachea suggests that there is much room for improvement in its segmentation accuracy. Therefore, a research gap exists because a great amount of state-of-the-art DL algorithms are vanilla 3D U-Net structures, which do not introduce the various performance-enhancing modules that come with special natural image modality in lung airway segmentation. In this paper, we proposed two different network structures Branch-Level U-Net (B-UNet) and Branch-Level CE-UNet (B-CE-UNet) which are based on U-Net structure and compared the prediction results with the same dataset. Specially, both of the two networks add branch loss and central line loss to learn the feature of fine branch endings of the airways. Uncertainty estimation algorithms are also included to attain confident predictions and thereby, increase the overall trustworthiness of our whole model. In addition, predictions of the lung trachea based on the maximum connectivity rate were calculated and extracted during post-processing for segmentation refinement and pruning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google