Fugu-MT 論文翻訳(概要): Spark in the Dark: Evaluating Encoder-Decoder Pairs for COVID-19 CT's Semantic Segmentation

論文の概要: Spark in the Dark: Evaluating Encoder-Decoder Pairs for COVID-19 CT's Semantic Segmentation

arxiv url: http://arxiv.org/abs/2109.14818v1
Date: Thu, 30 Sep 2021 02:54:24 GMT
ステータス: 処理完了
システム内更新日: 2021-10-01 14:42:30.404636
Title: Spark in the Dark: Evaluating Encoder-Decoder Pairs for COVID-19 CT's Semantic Segmentation
Title（参考訳）: spark in the dark:covid-19 ctの意味セグメンテーションのためのエンコーダ・デコーダペアの評価
Authors: Bruno A. Krinski, Daniel V. Ruiz, and Eduardo Todt
Abstract要約: 5つのデータセットで120のアーキテクチャが評価されたエンコーダとデコーダの広範なベンチマークを提案する。これは、Covid-19 CTセグメンテーションの分野で提案されているエンコーダ、デコーダ、データセットの数で最大の評価である。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the COVID-19 global pandemic, computerassisted diagnoses of medical images have gained a lot of attention, and robust methods of Semantic Segmentation of Computed Tomography (CT) turned highly desirable. Semantic Segmentation of CT is one of many research fields of automatic detection of Covid-19 and was widely explored since the Covid19 outbreak. In the robotic field, Semantic Segmentation of organs and CTs are widely used in robots developed for surgery tasks. As new methods and new datasets are proposed quickly, it becomes apparent the necessity of providing an extensive evaluation of those methods. To provide a standardized comparison of different architectures across multiple recently proposed datasets, we propose in this paper an extensive benchmark of multiple encoders and decoders with a total of 120 architectures evaluated in five datasets, with each dataset being validated through a five-fold cross-validation strategy, totaling 3.000 experiments. To the best of our knowledge, this is the largest evaluation in number of encoders, decoders, and datasets proposed in the field of Covid-19 CT segmentation.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)の世界的なパンデミックにより、コンピュータ支援された医療画像の診断が注目され、CT(Computed Tomography)のセマンティックセグメンテーション(Semantic Segmentation)の堅牢な方法が非常に望ましいものになった。 CTのセマンティックセグメンテーションは、Covid-19の自動検出の多くの研究分野の1つであり、Covid19の流行以来広く研究されてきた。ロボット分野では,臓器とctのセグメンテーションが手術作業用に開発されたロボットで広く用いられている。新しいメソッドと新しいデータセットが迅速に提案されると、これらのメソッドを広範囲に評価する必要性が明らかになる。本稿では,最近提案された複数のデータセットにわたる異なるアーキテクチャの標準化比較を行うため,複数のエンコーダとデコーダについて,合計120のアーキテクチャを5つのデータセットで評価し,各データセットを5倍のクロスバリデーション戦略で検証し,合計30000の実験を行った。我々の知る限り、これはCovid-19 CTセグメンテーションの分野で提案されているエンコーダ、デコーダ、データセットの数で最大の評価である。

関連論文リスト

Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文参考訳（メタデータ） (2024-08-19T15:04:42Z)
TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文参考訳（メタデータ） (2024-05-29T20:15:54Z)
Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。提案手法はラベル集約段階において手作業によるアノテーションに依存しない。我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
論文参考訳（メタデータ） (2023-07-25T09:48:13Z)
Multi Kernel Positional Embedding ConvNeXt for Polyp Segmentation [7.31341312596412]
本稿では,ConvNeXtバックボーンとMulti Kernel Positional Embeddingブロックで構成される新しいフレームワークを提案する。我々のモデルは,Kvasir-SEGデータセット上でのDice係数0.8818とIOUスコア0.8163を達成する。
論文参考訳（メタデータ） (2023-01-17T03:12:57Z)
COVIDx CT-3: A Large-scale, Multinational, Open-Source Benchmark Dataset for Computer-aided COVID-19 Screening from Chest CT Images [82.74877848011798]
胸部CT画像から新型コロナウイルスの症例を検出するための大規模ベンチマークデータセットであるCOVIDx CT-3を紹介する。 COVIDx CT-3には、少なくとも17カ国で6,068人の患者から431,205個のCTスライスが含まれている。我々は, COVIDx CT-3データセットのデータ多様性と潜在的なバイアスについて検討し, 地理的, 集団的不均衡について検討した。
論文参考訳（メタデータ） (2022-06-07T06:35:48Z)
Light In The Black: An Evaluation of Data Augmentation Techniques for COVID-19 CT's Semantic Segmentation [0.0]
本稿では,この問題に対するエンコーダ・デコーダニューラルネットワークのトレーニングにおいて,異なるデータ拡張手法がどう改善するかを解析する。 20種類の異なるデータ拡張手法を5つのデータセットで評価した。この結果から,空間レベルの変換はニューラルネットワークの学習を改善する上で最も有望であることが示唆された。
論文参考訳（メタデータ） (2022-05-19T17:33:35Z)
Hierarchical 3D Feature Learning for Pancreas Segmentation [11.588903060674344]
MRIとCTの両方から膵分画を自動化する3D完全畳み込み型深層ネットワークを提案する。本モデルでは,Diceスコアが約88%と,既存のCT膵セグメンテーション法よりも優れていた。さらなる制御実験により、達成された性能は、我々の3次元完全畳み込み深層ネットワークと階層的表現復号化の組み合わせによるものであることが示された。
論文参考訳（メタデータ） (2021-09-03T09:27:07Z)
Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文参考訳（メタデータ） (2021-04-02T02:07:37Z)
Quadruple Augmented Pyramid Network for Multi-class COVID-19 Segmentation via CT [1.6815638149823744]
新型コロナウイルス(COVID-19)は、世界で最も深刻な感染症の1つとなっています。本稿では,放射線科医が肺の容積を推定するためのマルチクラスctセグメンテーションを提案する。
論文参考訳（メタデータ） (2021-03-09T16:48:15Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
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。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。