論文の概要: OpenKBP: The open-access knowledge-based planning grand challenge
- arxiv url: http://arxiv.org/abs/2011.14076v2
- Date: Wed, 13 Jan 2021 19:46:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-19 19:48:39.167341
- Title: OpenKBP: The open-access knowledge-based planning grand challenge
- Title（参考訳）: OpenKBP: オープンアクセスの知識ベースの計画大挑戦
- Authors: Aaron Babier, Binghao Zhang, Rafid Mahmood, Kevin L. Moore, Thomas G.
Purdie, Andrea L. McNiven, Timothy C. Y. Chan
- Abstract要約: 我々は,2020年のAAPMグランドチャレンジであるOpenKBPを主催し,参加者にCT画像の量を予測する最善の方法の開発を依頼した。
1)3次元線量分布を評価する線量スコアと,(2)DVH測定値を評価する線量ヒストグラム(DVH)スコアの2つの異なるスコアで評価した。
チャレンジには28カ国から195人の参加者が参加し、73人の参加者が検証段階で44のチームを編成し、合計で1750の応募を受けた。
- 参考スコア（独自算出の注目度）: 0.6157382820537718
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The purpose of this work is to advance fair and consistent comparisons of
dose prediction methods for knowledge-based planning (KBP) in radiation therapy
research. We hosted OpenKBP, a 2020 AAPM Grand Challenge, and challenged
participants to develop the best method for predicting the dose of contoured CT
images. The models were evaluated according to two separate scores: (1) dose
score, which evaluates the full 3D dose distributions, and (2) dose-volume
histogram (DVH) score, which evaluates a set DVH metrics. Participants were
given the data of 340 patients who were treated for head-and-neck cancer with
radiation therapy. The data was partitioned into training (n=200), validation
(n=40), and testing (n=100) datasets. All participants performed training and
validation with the corresponding datasets during the validation phase of the
Challenge, and we ranked the models in the testing phase based on out-of-sample
performance. The Challenge attracted 195 participants from 28 countries, and 73
of those participants formed 44 teams in the validation phase, which received a
total of 1750 submissions. The testing phase garnered submissions from 28
teams. On average, over the course of the validation phase, participants
improved the dose and DVH scores of their models by a factor of 2.7 and 5.7,
respectively. In the testing phase one model achieved significantly better dose
and DVH score than the runner-up models. Lastly, many of the top performing
teams reported using generalizable techniques (e.g., ensembles) to achieve
higher performance than their competition. This is the first competition for
knowledge-based planning research, and it helped launch the first platform for
comparing KBP prediction methods fairly and consistently. The OpenKBP datasets
are available publicly to help benchmark future KBP research, which has also
democratized KBP research by making it accessible to everyone.
- Abstract（参考訳）: 本研究の目的は,放射線治療研究における知識ベースプランニング(KBP)のための線量予測手法の公平かつ一貫した比較を推し進めることである。
我々は,2020年のAAPMグランドチャレンジであるOpenKBPを主催し,参加者にCT画像の量を予測する最善の方法の開発を依頼した。
1)3次元線量分布を評価する線量スコアと,(2)DVH測定値を評価する線量ヒストグラム(DVH)スコアの2つの異なるスコアで評価した。
対象者は放射線治療により頭頸部癌治療を受けた340例であった。
データはトレーニング(n=200),検証(n=40),テスト(n=100)データセットに分割された。
参加者全員がチャレンジの検証フェーズで対応するデータセットでトレーニングと検証を行い、アウトオブサンプルのパフォーマンスに基づいてテストフェーズでモデルをランク付けした。
このチャレンジには28カ国から195人が参加し、そのうち73人が検証フェーズで44チームを結成し、合計で1750人が応募した。
テストフェーズでは28チームが応募した。
検証期間の平均では、参加者はそれぞれ2.7と5.7の因子で投与量とDVHのスコアを改善した。
テストフェーズでは,1つのモデルが,ランナーアップモデルよりも有意に優れた線量とDVHスコアを得た。
最後に、上位パフォーマンスチームの多くは、競争相手よりも高いパフォーマンスを達成するために、一般化可能なテクニック(アンサンブルなど)を使用して報告した。
これは知識に基づく計画研究のための最初の競争であり、KBP予測手法を公平かつ一貫して比較するための最初のプラットフォームをローンチした。
OpenKBPデータセットは、将来のKBP研究のベンチマークを支援するために公開されている。
関連論文リスト
- SemiHVision: Enhancing Medical Multimodal Models with a Semi-Human Annotated Dataset and Fine-Tuned Instruction Generation [13.672776832197918]
MLLM(Multimodal large language model)は大きな進歩を遂げているが、専門知識が限られているため、医療分野の課題に直面している。
データ収集やモデル微調整,評価など,エンドツーエンドの学習パイプラインのさまざまな段階において,このギャップに対処することを目指している。
論文 参考訳（メタデータ） (2024-10-19T02:35:35Z) - Towards Efficient Patient Recruitment for Clinical Trials: Application of a Prompt-Based Learning Model [0.7373617024876725]
臨床試験は医薬品の介入を促進するのに不可欠であるが、適格な参加者を選ぶ際にボトルネックに直面している。
構造化されていない医療用テキストの複雑な性質は、参加者を効率的に識別する上での課題である。
本研究では,コホート選択課題に対するプロンプトベース大規模言語モデルの性能評価を目的とした。
論文 参考訳（メタデータ） (2024-04-24T20:42:28Z) - IEEE BigData 2023 Keystroke Verification Challenge (KVC) [14.366081634293721]
本稿では,185,000人以上の被験者からの可変転写テキストのツイート長列として捉えたKeystroke Dynamicsの生体認証性能について考察する。
データは、これまでで最大規模のKDパブリックデータベースの2つから取得されている。
参加者によっていくつかのニューラルアーキテクチャが提案され、それぞれのチームが達成した3.33%と3.61%という世界的平等エラー率(EER)が達成された。
論文 参考訳（メタデータ） (2024-01-29T20:51:42Z) - The STOIC2021 COVID-19 AI challenge: applying reusable training
methodologies to private data [60.94672667514737]
本研究は、プライベートデータ上でのトレーニングソリューションを可能にするType Three (T3)チャレンジフォーマットを実装した。
T3では、チャレンジオーガナイザが参加者の提供するトレーニングデータに基づいてトレーニングを行う。
勝利解は、重篤なCOVID-19と非重症なCOVID-19(0.815)の鑑別のために、受信機動作特性曲線の下にある領域を得た。
論文 参考訳（メタデータ） (2023-06-18T05:48:28Z) - SPOT: Sequential Predictive Modeling of Clinical Trial Outcome with
Meta-Learning [67.8195828626489]
臨床試験は薬物開発に不可欠であるが、時間を要する、費用がかかる、失敗する傾向がある。
本稿では,まず,複数ソースの臨床試験データを関連するトライアルトピックにクラスタリングするために,臨床トライアル結果の逐次予測mOdeling(SPOT)を提案する。
タスクとして各トライアルシーケンスを考慮して、メタ学習戦略を使用して、モデルが最小限のアップデートで新しいタスクに迅速に適応できるポイントを達成する。
論文 参考訳（メタデータ） (2023-04-07T23:04:27Z) - Biomedical image analysis competitions: The state of current
participation practice [143.52578599912326]
我々は,バイオメディカルイメージング分析の特定の分野におけるアルゴリズム開発の現状を明らかにするための調査を設計した。
この調査は、参加者の専門知識と作業環境、選択した戦略、およびアルゴリズムの特徴をカバーした。
全体として、すべてのソリューションの94%はディープラーニングベースのものだ。そのうち84%は標準アーキテクチャに基づいていた。
論文 参考訳（メタデータ） (2022-12-16T16:44:46Z) - Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS)
Benchmark [48.30502612686276]
肺癌は最も致命的ながんの1つであり、その効果的な診断と治療は腫瘍の正確な悪性度に依存している。
現在最も一般的なアプローチであるHuman-centered segmentationは、サーバ間変動の対象となる。
2018年のVIPカップは、42か国から競争データにアクセスするための世界的な参加から始まった。
簡単に言えば、競争中に提案されたアルゴリズムはすべて、偽陽性還元手法と組み合わせたディープラーニングモデルに基づいている。
論文 参考訳（メタデータ） (2022-01-03T03:06:38Z) - Analysing Affective Behavior in the second ABAW2 Competition [70.86998050535944]
ABAW2 2021コンペティションは、IEEE FG 2020-コンペティションと共同で開催された最初の非常に成功したABAWコンペティションに続く第2回である。
論文 参考訳（メタデータ） (2021-06-14T11:30:19Z) - FairFace Challenge at ECCV 2020: Analyzing Bias in Face Recognition [26.49981022316179]
この課題の目的は、提出されたアルゴリズムの性別と肌の色における正確さと偏りを評価することである。
データセットはバランスが取れていないため、公正な結果を示すAIベースのモデルがトレーニングされ、不均衡なデータに基づいて評価される、現実のシナリオをシミュレートする。
上位10チームの分析では、暗い肌の色を持つ女性の偽陽性率(偽陰性率)が高かった。
論文 参考訳（メタデータ） (2020-09-16T17:56:22Z) - Analysing Affective Behavior in the First ABAW 2020 Competition [49.90617840789334]
ABAW(Affective Behavior Analysis in-the-Wild) 2020コンペティションは、3つの主要な行動タスクの自動分析を目的とした最初のコンペティションである。
アルゼンチンのブエノスアイレスで2020年5月に開催されたIEEE Face and Gesture Recognitionと共同で開催されるこのコンペティションについて説明する。
評価指標を概説し,ベースラインシステムとトップ3の実施するチームの方法論をチャレンジ毎に提示し,その結果を最終的に提示する。
論文 参考訳（メタデータ） (2020-01-30T15:41:14Z)
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。