論文の概要: The Brain Tumor Sequence Registration Challenge: Establishing
Correspondence between Pre-Operative and Follow-up MRI scans of diffuse
glioma patients
- arxiv url: http://arxiv.org/abs/2112.06979v1
- Date: Mon, 13 Dec 2021 19:25:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-16 07:48:02.406105
- Title: The Brain Tumor Sequence Registration Challenge: Establishing
Correspondence between Pre-Operative and Follow-up MRI scans of diffuse
glioma patients
- Title(参考訳): 脳腫瘍シークエンス登録チャレンジ : びまん性グリオーマ患者の術前MRI像と術後MRI像との対応性を確立する
- Authors: Bhakti Baheti, Diana Waldmannstetter, Satrajit Chakrabarty, Hamed
Akbari, Michel Bilello, Benedikt Wiestler, Julian Schwarting, Evan Calabrese,
Jeffrey Rudie, Syed Abidi, Mina Mousa, Javier Villanueva-Meyer, Daniel S.
Marcus, Christos Davatzikos, Aristeidis Sotiras, Bjoern Menze, Spyridon Bakas
- Abstract要約: 本稿では,第1回脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。
脳びまん性グリオーマと診断された同一患者の術前スキャンと経過観察の対応を推定することに焦点を当てる。
BraTS-Regチャレンジは、変形可能な登録アルゴリズムのための公開ベンチマーク環境を確立することを目的としている。
- 参考スコア(独自算出の注目度): 3.563496469107778
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Registration of longitudinal brain Magnetic Resonance Imaging (MRI) scans
containing pathologies is challenging due to tissue appearance changes, and
still an unsolved problem. This paper describes the first Brain Tumor Sequence
Registration (BraTS-Reg) challenge, focusing on estimating correspondences
between pre-operative and follow-up scans of the same patient diagnosed with a
brain diffuse glioma. The BraTS-Reg challenge intends to establish a public
benchmark environment for deformable registration algorithms. The associated
dataset comprises de-identified multi-institutional multi-parametric MRI
(mpMRI) data, curated for each scan's size and resolution, according to a
common anatomical template. Clinical experts have generated extensive
annotations of landmarks points within the scans, descriptive of distinct
anatomical locations across the temporal domain. The training data along with
these ground truth annotations will be released to participants to design and
develop their registration algorithms, whereas the annotations for the
validation and the testing data will be withheld by the organizers and used to
evaluate the containerized algorithms of the participants. Each submitted
algorithm will be quantitatively evaluated using several metrics, such as the
Median Absolute Error (MAE), Robustness, and the Jacobian determinant.
- Abstract(参考訳): 病理を含む縦型脳磁気共鳴画像(mri)スキャンの登録は,組織形態の変化により困難であり,未解決の問題である。
本稿では,脳びまん性グリオーマと診断された同一症例の術前・経過観察画像の対応度を推定し,第1回脳腫瘍配列登録(brats-reg)チャレンジについて述べる。
BraTS-Regチャレンジは、変形可能な登録アルゴリズムのための公開ベンチマーク環境を確立することを目的としている。
一般的な解剖学的テンプレートによると、関連するデータセットは、スキャンのサイズと解像度に応じてキュレートされた、非特定多施設マルチパラメトリックMRI(mpMRI)データを含む。
臨床専門家は、時間領域の異なる解剖学的位置を記述した、スキャン内のランドマークポイントの広範なアノテーションを作成した。
トレーニングデータとこれらの基礎的な真実のアノテーションは、参加者が登録アルゴリズムの設計と開発を行うためにリリースされ、検証とテストデータのアノテーションは、主催者が保持し、参加者のコンテナ化されたアルゴリズムを評価するために使用される。
各アルゴリズムは、メディア絶対誤差(MAE)、ロバストネス、ジャコビアン行列式など、いくつかの指標を用いて定量的に評価される。
関連論文リスト
- Enhanced MRI Representation via Cross-series Masking [48.09478307927716]
自己教師型でMRI表現を効果的に学習するためのクロスシリーズ・マスキング(CSM)戦略
メソッドは、パブリックデータセットと社内データセットの両方で最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2024-12-10T10:32:09Z) - Brain Tumor Segmentation Based on Deep Learning, Attention Mechanisms, and Energy-Based Uncertainty Prediction [0.0]
脳腫瘍は、死亡率80%を超える最も致命的ながんの1つである。
医学的分析では、脳腫瘍の手動アノテーションとセグメンテーションは複雑な作業である。
本稿では,データ前処理中に実装された関心領域検出アルゴリズムを提案する。
ソフトアテンションを持つ完全畳み込みオートエンコーダは、異なる脳MRIをセグメント化する。
論文 参考訳(メタデータ) (2023-12-31T20:42:52Z) - Towards multi-modal anatomical landmark detection for ultrasound-guided
brain tumor resection with contrastive learning [3.491999371287298]
医用スキャン間の同種解剖学的ランドマークは、画像登録品質の定量的評価に有効である。
神経外科におけるMRIと術中USスキャンの対応するランドマークを検出するための,新しいコントラスト学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-07-26T21:55:40Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳(メタデータ) (2023-03-07T09:40:22Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳(メタデータ) (2022-06-14T10:16:54Z) - Cross-Modality Deep Feature Learning for Brain Tumor Segmentation [158.8192041981564]
本稿では, マルチモーダルMRIデータから脳腫瘍を抽出するクロスモーダルディープ・フィーチャーラーニング・フレームワークを提案する。
中心となる考え方は、不十分なデータスケールを補うために、マルチモダリティデータにまたがる豊富なパターンをマイニングすることだ。
on the BraTS benchmarks, this proposed cross-modality deep feature learning framework could effective improve the brain tumor segmentation performance。
論文 参考訳(メタデータ) (2022-01-07T07:46:01Z) - Deep Joint Learning of Pathological Region Localization and Alzheimer's
Disease Diagnosis [4.5484714814315685]
BrainBagNetは、病理領域の局在とアルツハイマー病の診断を共同で学習するためのフレームワークである。
提案手法は、全脳MRI画像からのパッチレベル応答と位置情報からの識別的脳領域を示す。
5倍のクロスバリデーションにおいて,提案手法の分類性能は,AD診断および軽度認知障害予測タスクにおいて,最先端の手法よりも優れていた。
論文 参考訳(メタデータ) (2021-08-10T10:06:54Z) - Self-transfer learning via patches: A prostate cancer triage approach
based on bi-parametric MRI [1.3934382972253603]
前立腺癌(PCa)は世界で2番目に多いがんである。
現在のPCa診断経路は、かなりの過剰診断のコストがかかり、不必要な治療とさらなる検査に繋がる。
臨床的に有意な (cS) 病変と非有意な (ncS) 病変を区別するためのパッチベースの事前訓練戦略を提案する。
論文 参考訳(メタデータ) (2021-07-22T17:02:38Z) - A Feasibility study for Deep learning based automated brain tumor
segmentation using Magnetic Resonance Images [0.0]
深部畳み込みニューラルネットワーク(CNN)に基づく分類ネットワークおよび脳腫瘍MR画像分類および腫瘍局在のための高速RCNNベースの局在ネットワークが開発された。
提案した腫瘍セグメンテーションアーキテクチャの全体的な性能を,精度,境界変位誤差(BDE),Diceスコア,信頼区間などの客観的な品質パラメータを用いて解析した。
セグメント化された出力の信頼度は、専門家の信頼度と同じ範囲にあることが観察されました。
論文 参考訳(メタデータ) (2020-12-22T12:11:42Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z) - 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。