Intuitive Axial Augmentation Using Polar-Sine-Based Piecewise Distortion for Medical Slice-Wise Segmentation

要約

医療画像分析用のデータ駆動型モデルのほとんどは、パフォーマンスを向上させるためにユニバーサル拡張に依存しています。
実験的証拠によってその有効性が確認されていますが、その根底にあるメカニズムが不明瞭であることが、医学界内でそのような方法が広く受け入れられ信頼されることへの障壁となっています。
私たちは、従来のデジタル画像とは異なる医療画像の独自の特性を再検討して認識し、その結果、より弾力性があり、放射線スキャン手順とよく調和する医療固有の拡張アルゴリズムを提案しました。
この方法は、極座標上の半径に従って正弦波の歪んだ光線で区分的アフィンを実行し、スキャン テーブル上に横たわっている人間の不確実な姿勢をシミュレートします。
私たちの方法は、軸面上の基本的な相対位置に影響を与えることなく、人間の内臓分布を生成することができました。
拡張手法の堅牢性を強化するために、メタベースのスキャン テーブル削除と類似性ガイド付きパラメーター検索という 2 つの非適応アルゴリズムが導入されています。
実験では、私たちの方法が、より多くのデータサンプルを必要とせずに、複数の有名なセグメンテーションフレームワーク全体で精度を向上させることが示されています。
プレビュー コードは https://github.com/MGAMZ/PSBPD で入手できます。

要約(オリジナル)

Most data-driven models for medical image analysis rely on universal augmentations to improve performance. Experimental evidence has confirmed their effectiveness, but the unclear mechanism underlying them poses a barrier to the widespread acceptance and trust in such methods within the medical community. We revisit and acknowledge the unique characteristics of medical images apart from traditional digital images, and consequently, proposed a medical-specific augmentation algorithm that is more elastic and aligns well with radiology scan procedure. The method performs piecewise affine with sinusoidal distorted ray according to radius on polar coordinates, thus simulating uncertain postures of human lying flat on the scanning table. Our method could generate human visceral distribution without affecting the fundamental relative position on axial plane. Two non-adaptive algorithms, namely Meta-based Scan Table Removal and Similarity-Guided Parameter Search, are introduced to bolster robustness of our augmentation method. Experiments show our method improves accuracy across multiple famous segmentation frameworks without requiring more data samples. Our preview code is available in: https://github.com/MGAMZ/PSBPD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google