論文の概要: Ensemble CNN Networks for GBM Tumors Segmentation using Multi-parametric
MRI
- arxiv url: http://arxiv.org/abs/2112.06554v1
- Date: Mon, 13 Dec 2021 10:51:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-15 00:06:31.894941
- Title: Ensemble CNN Networks for GBM Tumors Segmentation using Multi-parametric
MRI
- Title(参考訳): マルチパラメトリックMRIを用いたGBM腫瘍分離のための組込みCNNネットワーク
- Authors: Ramy A. Zeineldin, Mohamed E. Karar, Franziska Mathis-Ullrich and
Oliver Burgert
- Abstract要約: 本稿では,術前の mpMRI におけるグリオーマの自動認識のための,DeepSeg と nnU-Net という2つのディープラーニングフレームワークのアグリゲーションを提案する。
本手法では, 腫瘍, 腫瘍コア, 全腫瘍領域のDice類似度スコアが92.00, 87.33, 84.10, Hausdorff Distances 3.81, 8.91, 16.02を得た。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Glioblastomas are the most aggressive fast-growing primary brain cancer which
originate in the glial cells of the brain. Accurate identification of the
malignant brain tumor and its sub-regions is still one of the most challenging
problems in medical image segmentation. The Brain Tumor Segmentation Challenge
(BraTS) has been a popular benchmark for automatic brain glioblastomas
segmentation algorithms since its initiation. In this year's challenge, BraTS
2021 provides the largest multi-parametric (mpMRI) dataset of 2,000
pre-operative patients. In this paper, we propose a new aggregation of two deep
learning frameworks namely, DeepSeg and nnU-Net for automatic glioblastoma
recognition in pre-operative mpMRI. Our ensemble method obtains Dice similarity
scores of 92.00, 87.33, and 84.10 and Hausdorff Distances of 3.81, 8.91, and
16.02 for the enhancing tumor, tumor core, and whole tumor regions on the BraTS
2021 validation set, individually. These Experimental findings provide evidence
that it can be readily applied clinically and thereby aiding in the brain
cancer prognosis, therapy planning, and therapy response monitoring.
- Abstract(参考訳): グリオブラスト腫(glioblastomas)は、脳のグリア細胞から発生する最も急速に成長する脳がんである。
悪性脳腫瘍とその亜領域の正確な同定は、医用画像分割における最も難しい問題の一つである。
brain tumor segmentation challenge (brats)は、その開始以来、脳グリオブラスト腫の自動分割アルゴリズムの人気のあるベンチマークである。
今年の課題では、BraTS 2021は2000人の術前患者の最大マルチパラメトリック(mpMRI)データセットを提供する。
本稿では,術前mpmriにおけるglioblastoma自動認識のためのdeepsegとnnu-netの2つの深層学習フレームワークの集約について検討する。
本手法では,BraTS 2021検証セット上の腫瘍,腫瘍コア,腫瘍全体に対して,92.00,87.33,84.10のDice類似度スコアと3.81,8.91,16.02のHausdorff距離を求める。
これらの実験結果から, 臨床応用が容易であり, 脳がん予後, 治療計画, 治療反応モニタリングに有効であることが示唆された。
関連論文リスト
- The 2024 Brain Tumor Segmentation (BraTS) Challenge: Glioma Segmentation on Post-treatment MRI [5.725734864357991]
治療後のグリオーマMRIに対する2024 Brain tumor (BraTS)チャレンジは、最先端の自動セグメンテーションモデルのコミュニティ標準とベンチマークを提供する。
競合他社は、4つの異なる腫瘍サブリージョンを予測するために、自動セグメンテーションモデルを開発する。
モデルは別個の検証とテストデータセットで評価される。
論文 参考訳(メタデータ) (2024-05-28T17:07:55Z) - Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.586530244472655]
我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。
BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。
上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
論文 参考訳(メタデータ) (2024-05-16T03:23:57Z) - Multimodal CNN Networks for Brain Tumor Segmentation in MRI: A BraTS
2022 Challenge Solution [0.0]
この記事では、BraTS 2022の継続的評価課題への私たちの貢献について説明する。
術前MRIにおけるグリオーマ境界の自動検出のための,DeepSeg,nnU-Net,DeepSCANという,複数のディープラーニングフレームワークのアンサンブルを提案する。
Diceスコアが0.9294、0.8788、0.8803、Hausdorf距離が5.23、13.54、12.05のBraTSテストデータセットで、腫瘍全体、腫瘍コア、造影腫瘍をそれぞれ評価した。
論文 参考訳(メタデータ) (2022-12-19T09:14:23Z) - HNF-Netv2 for Brain Tumor Segmentation using multi-modal MR Imaging [86.52489226518955]
我々は,HNF-NetをHNF-Netv2に拡張する。
我々の方法は、RSNA 2021脳腫瘍AIチャレンジ賞(セグメンテーション・タスク)を受賞しました。
論文 参考訳(メタデータ) (2022-02-10T06:34:32Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳(メタデータ) (2022-01-13T05:24:40Z) - The RSNA-ASNR-MICCAI BraTS 2021 Benchmark on Brain Tumor Segmentation
and Radiogenomic Classification [4.431870223745215]
BraTS 2021チャレンジは10周年を祝います。
北米放射線学会(RSNA)、アメリカ神経放射線学会(ASNR)、メディカル・イメージ・コンピューティングとコンピュータ・アシスト・インターベンション(MICCAI)が共同で組織している。
論文 参考訳(メタデータ) (2021-07-05T23:12:06Z) - H2NF-Net for Brain Tumor Segmentation using Multimodal MR Imaging: 2nd
Place Solution to BraTS Challenge 2020 Segmentation Task [96.49879910148854]
当社のH2NF-Netは、単一およびカスケードのHNF-Netを使用して、異なる脳腫瘍サブリージョンを分割します。
我々は、マルチモーダル脳腫瘍チャレンジ(BraTS)2020データセットでモデルをトレーニングし、評価した。
提案手法は,80名近い参加者のうち,brats 2020チャレンジセグメンテーションタスクで2位となった。
論文 参考訳(メタデータ) (2020-12-30T20:44:55Z) - Automatic Brain Tumor Segmentation with Scale Attention Network [1.7767466724342065]
マルチモーダル脳腫瘍チャレンジ2020(BraTS 2020)は、マルチパラメトリック磁気共鳴イメージング(mpMRI)で異なる自動アルゴリズムを比較する共通のプラットフォームを提供する
本稿では,異なるスケールで特徴写像から高レベルな意味論を取り入れた,低レベルな細部を取り入れた動的スケールアテンション機構を提案する。
術式はBraTS 2020で提供した369症例を用いて訓練し, 平均Dice similarity Coefficient (DSC) は0.8828, 0.8433, 0.8177, Hausdorff は95%, 5.2176, 17.9697, 13.4298 であった。
論文 参考訳(メタデータ) (2020-11-06T04:45:49Z) - Enhancing MRI Brain Tumor Segmentation with an Additional Classification
Network [0.0]
そこで本研究では,ネットワークに新たな分類分岐を追加することにより,セグメンテーション結果を向上する新たなトレーニング手法を提案する。
ネットワーク全体が、Multimodal Brain tumor Challenge (BraTS) 2020トレーニングデータセットでエンドツーエンドにトレーニングされた。
論文 参考訳(メタデータ) (2020-09-25T10:05:12Z) - Segmentation for Classification of Screening Pancreatic Neuroendocrine
Tumors [72.65802386845002]
本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。
我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。
我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
論文 参考訳(メタデータ) (2020-04-04T21:21:44Z) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳(メタデータ) (2020-02-03T22:25:01Z)
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。