Real Time Multi Organ Classification on Computed Tomography Images

要約

臓器のセグメンテーションは医療画像処理における基本的なタスクであり、多くの臨床自動化パイプラインに役立ちます。
通常、このプロセスにはボリューム全体のセグメント化が含まれますが、関心のあるポイントが限られている場合は、セグメント化が不要になる場合があります。
このような場合、セグメンテーションの代わりに分類子を使用できます。
ただし、コンテキストのサイズと分類子の速度の間には本質的なトレードオフがあります。
この問題に対処するために、画像のリサンプリングを行わずに、広い視野にわたってまばらなサンプリングを行うデータ選択戦略を採用する新しい方法を提案します。
このスパース サンプリング戦略により、アクセラレータを使用せずにボクセルを複数の臓器にリアルタイムで分類することが可能になります。
私たちの方法は独立した分類子ですが、任意の解像度でグリッドの位置をクエリすることによって完全なセグメンテーションを生成できます。
私たちは、この方法を既存のセグメンテーション技術と比較し、医療画像における実際のアプリケーションにおいて優れた実行時間の可能性を実証しました。

要約(オリジナル)

Organ segmentation is a fundamental task in medical imaging, and it is useful for many clinical automation pipelines. Typically, the process involves segmenting the entire volume, which can be unnecessary when the points of interest are limited. In those cases, a classifier could be used instead of segmentation. However, there is an inherent trade-off between the context size and the speed of classifiers. To address this issue, we propose a new method that employs a data selection strategy with sparse sampling across a wide field of view without image resampling. This sparse sampling strategy makes it possible to classify voxels into multiple organs in real time without using accelerators. Although our method is an independent classifier, it can generate full segmentation by querying grid locations at any resolution. We have compared our method with existing segmentation techniques, demonstrating its potential for superior runtime in practical applications in medical imaging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google