日本語タイトル#
Hessian に基づく軽量神経ネットワークによる最小トレーニングデータセットでの脳血管セグメンテーション
英文タイトル#
Hessian-based lightweight neural network for brain vessel segmentation on a minimal training dataset
日本語要約#
脳磁気共鳴血管造影（MRA）における血管の正確なセグメンテーションは、動脈瘤修復やバイパス手術などの成功した手術手順にとって不可欠です。現在、注釈は主に手動セグメンテーションや Frangi フィルターなどの古典的手法によって行われており、これらはしばしば十分な精度を欠いています。神経ネットワークは医療画像セグメンテーションの強力なツールとして登場しましたが、その発展は良好に注釈されたトレーニングデータセットに依存しています。しかし、詳細な脳血管注釈を持つ公開可能な MRA データセットが著しく不足しています。このギャップを埋めるために、我々は複雑な構造（管状構造など）の 3D セグメンテーションのために Hessian 行列を搭載した新しい半教師あり学習の軽量神経ネットワークを提案します。これを HessNet と名付けました。このソリューションは、わずか 6000 のパラメータを持つ Hessian ベースの神経ネットワークです。HessNet は CPU 上で動作し、神経ネットワークのトレーニングに必要なリソースを大幅に削減します。最小トレーニングデータセットでの血管セグメンテーションの精度は最先端の結果に達しました。これにより、IXI データセットに基づいて 200 枚の画像に注釈を付けた大規模な半自動注釈の脳 MRA 画像脳血管データセットを作成しました。HessNet を適用した後、三人の専門家が三人の神経血管外科医の監督の下で注釈を行いました。これにより、高精度の血管セグメンテーションが提供され、専門家は最も複雑な重要なケースにのみ集中することができます。このデータセットはhttps://git.scinalytics.com/terilat/VesselDatasetPartly で入手可能です。
英文要約#
Accurate segmentation of blood vessels in brain magnetic resonance angiography (MRA) is essential for successful surgical procedures, such as aneurysm repair or bypass surgery. Currently, annotation is primarily performed through manual segmentation or classical methods, such as the Frangi filter, which often lack sufficient accuracy. Neural networks have emerged as powerful tools for medical image segmentation, but their development depends on well-annotated training datasets. However, there is a notable lack of publicly available MRA datasets with detailed brain vessel annotations. To address this gap, we propose a novel semi-supervised learning lightweight neural network with Hessian matrices on board for 3D segmentation of complex structures such as tubular structures, which we named HessNet. The solution is a Hessian-based neural network with only 6000 parameters. HessNet can run on the CPU and significantly reduces the resource requirements for training neural networks. The accuracy of vessel segmentation on a minimal training dataset reaches state-of-the-art results. It helps us create a large, semi-manually annotated brain vessel dataset of brain MRA images based on the IXI dataset (annotated 200 images). Annotation was performed by three experts under the supervision of three neurovascular surgeons after applying HessNet. It provides high accuracy of vessel segmentation and allows experts to focus only on the most complex important cases. The dataset is available at https://git.scinalytics.com/terilat/VesselDatasetPartly.
文章ページ#
Hessian に基づく軽量神経ネットワークによる最小トレーニングデータセットでの脳血管セグメンテーション
PDF 入手#
抖音でさらに素晴らしいコンテンツを見る