ディープラーニングベースのCT/PET画像における腫瘍セグメンテーションのための正弦波正規化

[fulfulggg]

タイトル: ディープラーニングベースのCT/PET画像における腫瘍セグメンテーションのための正弦波正規化

リンク: https://arxiv.org/abs/2409.13410

概要:

本レポートでは、autoPET III Challengeに向けて開発された、CT/PETスキャンにおける腫瘍の自動セグメンテーションのための正規化ブロックを紹介します。主な革新点は、病変の検出を強化するためにPETデータに周期的な正弦波変換を適用するSineNormalの導入です。PET強調領域の強度変化を強調し、同心円状のパターンを生成することで、特に困難なマルチトレーサーPETデータセットのセグメンテーション精度を向上させることを目指しています。このプロジェクトのコードはGitHub（https://github.com/BBQtime/Sine-Wave-Normalization-for-Deep-Learning-Based-Tumor-Segmentation-in-CT-PET）で公開されています。

[fulfulggg]

論文要約

論文要約: ディープラーニングベースのCT/PET画像における腫瘍セグメンテーションのための正弦波正規化

• 目的: CT/PET画像を用いた腫瘍の自動 segmentation (領域分割) を改善する新しい正規化手法を提案
• 提案手法: SineNormal と呼ばれる、PETデータに周期的な正弦波変換を適用する正規化ブロック
  • PET画像の腫瘍周辺の信号強度の変化を強調し、同心円状のパターンを生成
  • これにより、特に難易度が高いマルチトレーサーPETデータセットでの精度向上を目指す
• 利点: 困難なデータセットでも腫瘍の segmentation 精度が向上する可能性
• コード公開: https://github.com/BBQtime/Sine-Wave-Normalization-for-Deep-Learning-Based-Tumor-Segmentation-in-CT-PET

[fulfulggg]

@yukihiko-fuyuki が以下のラベルを提案し、適用しました：

• medical-imaging
• image-segmentation
• deep-learning

以下の新しいラベルが作成され、適用されました：

• deep-learning