VesselShot: Few-shot learning for cerebral blood vessel segmentation

要約

血管造影は、脳血管疾患の検出、診断、治療に広く使用されています。
さまざまなイメージングモダリティから血管網をセグメント化するための多くの技術が提案されていますが、深層学習 (DL) が有望なアプローチとして浮上しています。
ただし、既存の DL 手法は、多くの場合、独自のデータセットと広範な手動アノテーションに依存しています。
さらに、医療ドメインや 3D ボリュームに特化した事前トレーニング済みネットワークの利用可能性は限られています。
これらの課題を克服するために、脳血管セグメンテーション用の VesselShot と呼ばれる数ショット学習アプローチを提案します。
VesselShot は、いくつかの注釈付きサポート画像からの知識を活用し、ラベル付きデータの不足と脳血管セグメンテーションにおける広範な注釈の必要性を軽減します。
セグメンテーション タスク用に公開されている TubeTK データセットを使用して VesselShot のパフォーマンスを評価し、平均 Dice 係数 (DC) 0.62(0.03) を達成しました。

要約(オリジナル)

Angiography is widely used to detect, diagnose, and treat cerebrovascular diseases. While numerous techniques have been proposed to segment the vascular network from different imaging modalities, deep learning (DL) has emerged as a promising approach. However, existing DL methods often depend on proprietary datasets and extensive manual annotation. Moreover, the availability of pre-trained networks specifically for medical domains and 3D volumes is limited. To overcome these challenges, we propose a few-shot learning approach called VesselShot for cerebrovascular segmentation. VesselShot leverages knowledge from a few annotated support images and mitigates the scarcity of labeled data and the need for extensive annotation in cerebral blood vessel segmentation. We evaluated the performance of VesselShot using the publicly available TubeTK dataset for the segmentation task, achieving a mean Dice coefficient (DC) of 0.62(0.03).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google