論文の概要: VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images

• arxiv url: http://arxiv.org/abs/2001.09193v6
• Date: Tue, 5 Apr 2022 08:17:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-07 05:24:25.777718
• Title: VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images
• Title（参考訳）: VerSe:多検出器CT画像のためのVertebraeラベリングとセグメンテーションベンチマーク
• Authors: Anjany Sekuboyina, Malek E. Husseini, Amirhossein Bayat, Maximilian L\"offler, Hans Liebl, Hongwei Li, Giles Tetteh, Jan Kuka\v{c}ka, Christian Payer, Darko \v{S}tern, Martin Urschler, Maodong Chen, Dalong Cheng, Nikolas Lessmann, Yujin Hu, Tianfu Wang, Dong Yang, Daguang Xu, Felix Ambellan, Tamaz Amiranashvili, Moritz Ehlke, Hans Lamecker, Sebastian Lehnert, Marilia Lirio, Nicol\'as P\'erez de Olaguer, Heiko Ramm, Manish Sahu, Alexander Tack, Stefan Zachow, Tao Jiang, Xinjun Ma, Christoph Angerman, Xin Wang, Kevin Brown, Alexandre Kirszenberg, \'Elodie Puybareau, Di Chen, Yiwei Bai, Brandon H. Rapazzo, Timyoas Yeah, Amber Zhang, Shangliang Xu, Feng Hou, Zhiqiang He, Chan Zeng, Zheng Xiangshang, Xu Liming, Tucker J. Netherton, Raymond P. Mumme, Laurence E. Court, Zixun Huang, Chenhang He, Li-Wen Wang, Sai Ho Ling, L\^e Duy Hu\`ynh, Nicolas Boutry, Roman Jakubicek, Jiri Chmelik, Supriti Mulay, Mohanasankar Sivaprakasam, Johannes C. Paetzold, Suprosanna Shit, Ivan Ezhov, Benedikt Wiestler, Ben Glocker, Alexander Valentinitsch, Markus Rempfler, Bj\"orn H. Menze and Jan S. Kirschke
• Abstract要約: 大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
• 参考スコア（独自算出の注目度）: 121.31355003451152
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Vertebral labelling and segmentation are two fundamental tasks in an automated spine processing pipeline. Reliable and accurate processing of spine images is expected to benefit clinical decision-support systems for diagnosis, surgery planning, and population-based analysis on spine and bone health. However, designing automated algorithms for spine processing is challenging predominantly due to considerable variations in anatomy and acquisition protocols and due to a severe shortage of publicly available data. Addressing these limitations, the Large Scale Vertebrae Segmentation Challenge (VerSe) was organised in conjunction with the International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) in 2019 and 2020, with a call for algorithms towards labelling and segmentation of vertebrae. Two datasets containing a total of 374 multi-detector CT scans from 355 patients were prepared and 4505 vertebrae have individually been annotated at voxel-level by a human-machine hybrid algorithm (https://osf.io/nqjyw/, https://osf.io/t98fz/). A total of 25 algorithms were benchmarked on these datasets. In this work, we present the the results of this evaluation and further investigate the performance-variation at vertebra-level, scan-level, and at different fields-of-view. We also evaluate the generalisability of the approaches to an implicit domain shift in data by evaluating the top performing algorithms of one challenge iteration on data from the other iteration. The principal takeaway from VerSe: the performance of an algorithm in labelling and segmenting a spine scan hinges on its ability to correctly identify vertebrae in cases of rare anatomical variations. The content and code concerning VerSe can be accessed at: https://github.com/anjany/verse.
• Abstract（参考訳）: 脊椎ラベリングとセグメンテーションは、脊椎の自動処理パイプラインにおける2つの基本的なタスクである。 脊椎画像の信頼性と正確な処理は、診断、手術計画、および脊椎および骨の健康に関する人口ベース分析のための臨床的意思決定支援システムに有用であると考えられている。 しかしながら、スピン処理のための自動アルゴリズムの設計は、解剖学的および取得プロトコルのかなりのバリエーションと、公開データの不足により、主に困難である。 これらの制限に対処し、2019年と2020年に国際医用画像コンピューティング・コンピュータ支援介入会議(miccai)と共に大規模な椎骨分割チャレンジ(verse)が組織され、椎骨のラベリングとセグメンテーションのためのアルゴリズムが提唱された。 355人の患者からの374個のCTスキャンを含む2つのデータセットが作成され、4505個の椎骨がそれぞれ人間と機械のハイブリッドアルゴリズム(https://osf.io/nqjyw/, https://osf.io/t98fz/)によってヴォクセルレベルで注釈付けされている。 これらのデータセットで合計25のアルゴリズムがベンチマークされた。 本稿では,この評価結果について述べるとともに,椎体レベル,スキャンレベル,および様々な視野におけるパフォーマンス変動について検討する。 また,データの暗黙的領域シフトに対するアプローチの一般化性についても評価し,他の反復データに対する1つの課題イテレーションの上位実行アルゴリズムを評価した。 VerSeの主な特徴は、脊椎スキャンのラベル付けとセグメンテーションにおけるアルゴリズムのパフォーマンスは、まれな解剖学的変化の場合に脊椎を正確に識別する能力に基づいている。 VerSeに関するコンテンツとコードは、https://github.com/anjany/verse.comでアクセスできます。

関連論文リスト

• A Robust Ensemble Algorithm for Ischemic Stroke Lesion Segmentation: Generalizability and Clinical Utility Beyond the ISLES Challenge [30.611482996378683]
  画像と疾患の多様性は、臨床価値を持つ一般化可能なAIアルゴリズムの開発を妨げる。 2022 Ischemic Stroke Lesion (ISLES) から得られた新しいアンサンブルアルゴリズムを提案する。 トップパフォーマンスのアルゴリズムを、個々のソリューションの限界を克服するアンサンブルモデルに組み合わせました。
  論文  参考訳（メタデータ） (2024-03-28T13:56:26Z)
• Deep Rib Fracture Instance Segmentation and Classification from CT on the RibFrac Challenge [66.86170104167608]
  RibFrac Challengeは、660のCTスキャンから5,000以上のリブ骨折のベンチマークデータセットを提供する。 MICCAI 2020チャレンジ期間中に243つの結果が評価され、7つのチームがチャレンジサマリーに参加するために招待された。 この分析により、いくつかのトップリブ骨折検出ソリューションが、人間の専門家と同等かそれ以上の性能を達成したことが明らかになった。
  論文  参考訳（メタデータ） (2024-02-14T18:18:33Z)
• SpineCLUE: Automatic Vertebrae Identification Using Contrastive Learning and Uncertainty Estimation [12.427024671144869]
  脊椎疾患の診断において、任意の視野における動詞の同定が重要な役割を担っている。 スピンレベルの既存の方法は、この課題を満たすことができません。 椎骨レベルでの3次元CT椎骨識別の課題に対処する3段階法を提案する。
  論文  参考訳（メタデータ） (2024-01-14T12:02:39Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Lumbar spine segmentation in MR images: a dataset and a public benchmark [2.768537261519943]
  本稿では,多心性腰椎MRI(Multi-center lumbar spine magnetic resonance imaging)データセットについて述べる。 このデータセットには、腰痛の既往歴を持つ218人の患者から447個の矢状T1とT2MRIシリーズが含まれている。
  論文  参考訳（メタデータ） (2023-06-21T12:19:17Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• A Computed Tomography Vertebral Segmentation Dataset with Anatomical Variations and Multi-Vendor Scanner Data [0.0]
  We report on the largely increase VerSe 2020 data and results from the second iteration of the VerSe Challenge (MICCAI 2020, Lima, Peru) VerSe 2020は、300人の被験者の注釈付き脊椎CT(en:Annotated spine Computeed tomography)画像と4142の完全な視覚化と注釈付き脊椎を含む。
  論文  参考訳（メタデータ） (2021-03-10T22:07:26Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。