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
- 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) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - 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) - Robust Image Registration with Absent Correspondences in Pre-operative
and Follow-up Brain MRI Scans of Diffuse Glioma Patients [11.4219428942199]
術前および術後の脳MRIスキャンのための3段階登録パイプラインを提案する。
提案手法は,BraTS-Regチャレンジの検証セットにおいて,1.64mm,88%の絶対誤差を実現する。
論文 参考訳（メタデータ） (2022-10-20T06:37:40Z) - Integrative Imaging Informatics for Cancer Research: Workflow Automation
for Neuro-oncology (I3CR-WANO) [0.12175619840081271]
我々は,多系列ニューロオンコロジーMRIデータの集約と処理のための人工知能ベースのソリューションを提案する。
エンド・ツー・エンドのフレームワーク i) アンサンブル分類器を用いてMRIの配列を分類し, i) 再現可能な方法でデータを前処理し, iv) 腫瘍組織サブタイプを規定する。
欠落したシーケンスに対して堅牢であり、専門的なループアプローチを採用しており、セグメンテーションの結果は放射線学者によって手動で洗練される可能性がある。
論文 参考訳（メタデータ） (2022-10-06T18:23:42Z) - Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。
提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文 参考訳（メタデータ） (2022-09-28T10:27:10Z) - 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) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - Symmetric-Constrained Irregular Structure Inpainting for Brain MRI
Registration with Tumor Pathology [33.90454917741234]
腫瘍領域に合成組織強度を発生させるコンテキスト認識型画像インパインティングフレームワークを提案する。
パッチワイズ機能間のセマンティックな関連性をモデル化して詳細を洗練するために,機能レベルのパッチマッチ改善モジュールを適用した。
提案手法は,信号対雑音比,構造類似度指数,ピーク信号対雑音比,L1誤差を低減した結果を得た。
論文 参考訳（メタデータ） (2021-01-17T20:38:50Z) - 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。