Adversarial Transformer for Repairing Human Airway Segmentation

要約

末梢細気管支の描写の不連続性は、自動化された気道セグメンテーション モデルの臨床応用の可能性を妨げます。
さらに、このようなモデルの展開は、さまざまなセンターにわたるデータの不均一性によって制限され、病理学的異常により、遠位の小さな気道で正確で堅牢なセグメンテーションを達成することも困難になります。
一方、肺疾患の診断と予後は、多くの場合、それらの解剖学的領域の構造変化の評価に依存しています。
このギャップに対処するために、この論文では、元の CT 画像と共に予備セグメンテーションを取り込み、気道構造の洗練されたマスクを出力する、パッチスケールの敵対的ベースの洗練ネットワークを提示します。
この方法は、健康な症例、嚢胞性線維症の症例、COVID-19 の症例を含む 3 つの異なるデータセットで検証されています。
結果は 7 つの指標によって定量的に評価され、検出された長さの比率と検出された枝の比率で 15% 以上の上昇を達成し、以前に提案されたモデルと比較して有望なパフォーマンスを示しました。
視覚的な図は、パッチスケール弁別器と中心線目的関数によって導かれる改良が、不連続性と細気管支の欠落を検出するのに効果的であることも証明しています。
さらに、改良パイプラインの一般化可能性は、以前の 3 つのモデルでテストされており、セグメンテーションの完全性が大幅に向上しています。

要約(オリジナル)

Discontinuity in the delineation of peripheral bronchioles hinders the potential clinical application of automated airway segmentation models. Moreover, the deployment of such models is limited by the data heterogeneity across different centres, and pathological abnormalities also make achieving accurate robust segmentation in distal small airways difficult. Meanwhile, the diagnosis and prognosis of lung diseases often rely on evaluating structural changes in those anatomical regions. To address this gap, this paper presents a patch-scale adversarial-based refinement network that takes in preliminary segmentation along with original CT images and outputs a refined mask of the airway structure. The method is validated on three different datasets encompassing healthy cases, cases with cystic fibrosis and cases with COVID-19. The results are quantitatively evaluated by seven metrics and achieved more than a 15% rise in detected length ratio and detected branch ratio, showing promising performance compared to previously proposed models. The visual illustration also proves our refinement guided by a patch-scale discriminator and centreline objective functions is effective in detecting discontinuities and missing bronchioles. Furthermore, the generalizability of our refinement pipeline is tested on three previous models and improves their segmentation completeness significantly.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google