메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
0
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
Learning-based medical image segmentation has been advanced with the collection of datasets and various training methodologies. In this work, we target bone cement (polymethylmethacrylate [PMMA]) inserted vertebral body segmentation, where the target dataset was relatively scarce, compared to a large-scale dataset for the regular vertebra segmentation task. We presented a novel domain transformation framework, where a large-scale training set for our target task was generated from the existing dataset of a different domain. We proposed two main components: label translation and image translation. Label translation was proposed to filter out unnecessary regions in a segmentation map for our target task. In addition to label translation, image translation was proposed to virtually generate PMMA-inserted images from the original data. The synthesized training set by our method successfully simulated the data distribution of the target task; therefore a clear performance improvement was observed by the dataset. By extensive experiments, we showed that our method outperformed baseline methods in terms of segmentation performance. In addition, a more accurate shape and volume of a bone were measured by our method, which satisfied the medical purpose of segmentation.
#Computer vision #Medical image segmentation #Domain transformation

목차

Abstract
I. INTRODUCTION
II. RELATED WORK
III. METHODS
IV. EXPERIMENTS
V. CONCLUSION
REFERENCES

참고문헌 (20)

참고문헌 신청
A. Hatamizadeh, D. Yang, H. Roth, and D. Xu, “Unetr: transformers for 3D medical image segmentation,” 2021 [Online]. Available: https://arxiv.org/abs/2103.10504. C. Payer, D. Stern, H. Bischof, and M. Urschler, “Coarse to fine vertebrae localization and segmentation with SpatialConfiguration-Net and U-Net,” in Proceedings of the 15th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISIGRAPP), Valletta, Malta, 2020, pp. 124-133. google schola O. Cicek, A. Abdulkadir, S. S. Lienkamp, T. Brox, and O. Ronneberger, “3D U-Net: learning dense volumetric segmentation from sparse annotation,” in Medical Image Computing and Computer-Assisted Intervention – MICCAI 2016. Cham, Switzerland: Springer, 2016, pp. 424-432. google schola B. H. Menze, A. Jakab, S. Bauer, J. Kalpathy-Cramer, K. Farahani, J. Kirby, et al, “The multimodal brain tumor image segmentation benchmark (BRATS),” IEEE Transactions on Medical Imaging, vol. 34, no. 10, pp. 1993-2024, 2014. google schola A. Sekuboyina, M. E. Husseini, A. Bayat, M. Loffler, H. Liebl, H. Li, et al., “VerSe: a vertebrae labelling and segmentation benchmark for multi-detector CT images,” Medical Image Analysis, vol. 73, article no. 102166, 2021. https://doi.org/10.1016/j.media.2021.102166 Crossref

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0