Core Concepts
スケルトン監督学習を用いた効率的な空気道セグメンテーション手法の提案とその有用性について
Abstract
医療診断や手術ナビゲーションを支援するための空気道セグメンテーションにおいて、新しいスケルトンアノテーション戦略が導入され、ラベルの負担を軽減し、完全なトポロジーを保持し、アノテーションの一貫性と精度を向上させることが示されました。この手法は、極めて少ないアノテーションで優れた空気道セグメンテーション性能を達成し、完全に監督された方法に匹敵します。これは、他の管状構造のセグメンテーション課題への応用可能性が高いことを示しています。
Stats
スケルトンアノテーショングループディープディフュージョントレーニング:86.21±0.3%
空間位置とグレースケール情報を考慮した初期ラベル伝播:87.62±0.6%
ダイナミック擬似ラベル学習:84.74±0.3%
Quotes
"スケルトングラフは、アノテートする必要があるエッジボクセル数を最小限に抑えます"
"提案されたフレームワークは競合手法よりも優れたパフォーマンスを発揮します"
"我々の方法はわずか1.96%のアノテートされた体積で完全に監督された方法に匹敵するパフォーマンスを達成します"