Real Time Multi Organ Classification on Computed Tomography Images

要約

臓器のセグメンテーションは多くの臨床自動化パイプラインに役立つため、医療画像処理の基本的なタスクです。
ただし、一部のタスクでは完全なセグメンテーションが必要ありません。
代わりに、分類器は、ボリューム全体をセグメント化することなく、選択された臓器を識別できます。
この研究では、スパース データ サンプリング戦略で大きなコンテキスト サイズを使用して、臓器ラベルをリアルタイムで取得する分類器ベースの方法を実証します。
私たちの方法はクエリ位置で独立した分類器として動作しますが、任意の解像度でグリッド位置をクエリすることで完全なセグメンテーションを生成でき、セグメンテーション アルゴリズムよりも高速なパフォーマンスを提供します。
私たちは、私たち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対するその優れた実行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 since it is useful for many clinical automation pipelines. However, some tasks do not require full segmentation. Instead, a classifier can identify the selected organ without segmenting the entire volume. In this study, we demonstrate a classifier based method to obtain organ labels in real time by using a large context size with a sparse data sampling strategy. Although our method operates as an independent classifier at query locations, it can generate full segmentations by querying grid locations at any resolution, offering faster performance than segmentation algorithms. We compared our method with existing segmentation techniques, demonstrating its superior runtime potential for practical applications in medical imaging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google