CT evaluation of 2D and 3D holistic deep learning methods for the volumetric segmentation of airway lesions

要約

この研究は、嚢胞性線維症 (CF) 病変に焦点を当て、2D 形式と 3D 形式の両方で畳み込みニューラル ネットワーク (CNN) の全体的なセグメンテーション機能の比較調査に着手しました。
この研究では、2 つの CF 参照センターからのデータを利用し、5 つの主要な CF 構造変化をカバーしました。
最初に、2D モデルと 3D モデルを比較し、粘液栓や固まりなどの複雑な特徴を捕捉する際の 3D モデルの優れた機能を強調しました。
2D モデルのパフォーマンスを向上させるために、微細構造のセグメンテーションに適応した損失が実装および評価され、3D モデルのパフォーマンスを超えることはありませんでしたが、精度が大幅に向上しました。
モデルは肺機能検査 (PFT) に対する外部評価を通じてさらに検証され、結果の堅牢性が確認されました。
さらに、この調査は指標の比較を超えたものでした。
また、モデルの解釈可能性と信頼性の包括的な評価も含まれており、臨床応用に貴重な洞察を提供します。

要約(オリジナル)

This research embarked on a comparative exploration of the holistic segmentation capabilities of Convolutional Neural Networks (CNNs) in both 2D and 3D formats, focusing on cystic fibrosis (CF) lesions. The study utilized data from two CF reference centers, covering five major CF structural changes. Initially, it compared the 2D and 3D models, highlighting the 3D model’s superior capability in capturing complex features like mucus plugs and consolidations. To improve the 2D model’s performance, a loss adapted to fine structures segmentation was implemented and evaluated, significantly enhancing its accuracy, though not surpassing the 3D model’s performance. The models underwent further validation through external evaluation against pulmonary function tests (PFTs), confirming the robustness of the findings. Moreover, this study went beyond comparing metrics; it also included comprehensive assessments of the models’ interpretability and reliability, providing valuable insights for their clinical application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google