Extending SEEDS to a Supervoxel Algorithm for Medical Image Analysis

要約

この研究では、SEEDSスーパーピクセルアルゴリズムを2D画像から3Dボリュームに拡張し、より高速で優れた、オープンソースの医療画像解析用スーパーボクセルアルゴリズムである3D SEEDSを実現した。10臓器にわたる13のセグメンテーションタスクについて、3D SEEDSと広く使用されているスーパーボクセルアルゴリズムSLICを比較する。3D SEEDSはスーパーボクセルの生成を10倍高速化し、達成可能なダイススコアを+6.5%向上させ、アンダーセグメンテーションエラーを-0.16%減少させた。コードはhttps://github.com/Zch0414/3d_seeds。

要約(オリジナル)

In this work, we extend the SEEDS superpixel algorithm from 2D images to 3D volumes, resulting in 3D SEEDS, a faster, better, and open-source supervoxel algorithm for medical image analysis. We compare 3D SEEDS with the widely used supervoxel algorithm SLIC on 13 segmentation tasks across 10 organs. 3D SEEDS accelerates supervoxel generation by a factor of 10, improves the achievable Dice score by +6.5%, and reduces the under-segmentation error by -0.16%. The code is available at https://github.com/Zch0414/3d_seeds

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL