A comparative analysis of deep learning models for lung segmentation on X-ray images

要約

X 線における堅牢かつ高精度の肺のセグメンテーションは、医療画像処理において極めて重要です。
この研究では、このタスクのための深層学習ソリューションを評価し、既存の手法をランク付けし、さまざまな画像変更下でのパフォーマンスを分析します。
分析された 61 件の論文のうち、実装または事前トレーニングされたモデルを提供したのは 9 件のみで、Lung VAE、TransResUNet、CE-Net という 3 つの著名な方法の評価が可能でした。
分析の結果、CE-Net が最高のパフォーマンスを発揮し、サイコロの類似性係数と和集合メトリックに対する交差の最高値を示していることが明らかになりました。

要約(オリジナル)

Robust and highly accurate lung segmentation in X-rays is crucial in medical imaging. This study evaluates deep learning solutions for this task, ranking existing methods and analyzing their performance under diverse image modifications. Out of 61 analyzed papers, only nine offered implementation or pre-trained models, enabling assessment of three prominent methods: Lung VAE, TransResUNet, and CE-Net. The analysis revealed that CE-Net performs best, demonstrating the highest values in dice similarity coefficient and intersection over union metric.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google