論文の概要: The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients
- arxiv url: http://arxiv.org/abs/2112.06979v2
- Date: Wed, 17 Apr 2024 17:50:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-19 00:31:27.990336
- Title: The Brain Tumor Sequence Registration (BraTS-Reg) 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(BraTS-Reg)課題 : びまん性グリオーマ患者の術前MRIと術後MRIの対応
- Authors: Bhakti Baheti, Satrajit Chakrabarty, Hamed Akbari, Michel Bilello, Benedikt Wiestler, Julian Schwarting, Evan Calabrese, Jeffrey Rudie, Syed Abidi, Mina Mousa, Javier Villanueva-Meyer, Brandon K. K. Fields, Florian Kofler, Russell Takeshi Shinohara, Juan Eugenio Iglesias, Tony C. W. Mok, Albert C. S. Chung, Marek Wodzinski, Artur Jurgas, Niccolo Marini, Manfredo Atzori, Henning Muller, Christoph Grobroehmer, Hanna Siebert, Lasse Hansen, Mattias P. Heinrich, Luca Canalini, Jan Klein, Annika Gerken, Stefan Heldmann, Alessa Hering, Horst K. Hahn, Mingyuan Meng, Lei Bi, Dagan Feng, Jinman Kim, Ramy A. Zeineldin, Mohamed E. Karar, Franziska Mathis-Ullrich, Oliver Burgert, Javid Abderezaei, Aymeric Pionteck, Agamdeep Chopra, Mehmet Kurt, Kewei Yan, Yonghong Yan, Zhe Tang, Jianqiang Ma, Sahar Almahfouz Nasser, Nikhil Cherian Kurian, Mohit Meena, Saqib Shamsi, Amit Sethi, Nicholas J. Tustison, Brian B. Avants, Philip Cook, James C. Gee, Lin Tian, Hastings Greer, Marc Niethammer, Andrew Hoopes, Malte Hoffmann, Adrian V. Dalca, Stergios Christodoulidis, Theo Estiene, Maria Vakalopoulou, Nikos Paragios, Daniel S. Marcus, Christos Davatzikos, Aristeidis Sotiras, Bjoern Menze, Spyridon Bakas, Diana Waldmannstetter,
- Abstract要約: 脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。
BraTS-Regは、変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境である。
BraTS-Regの目的は、引き続き研究の活発な資源として機能することである。
- 参考スコア（独自算出の注目度）: 31.567542945171834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Registration of longitudinal brain MRI scans containing pathologies is challenging due to dramatic changes in tissue appearance. Although there has been progress in developing general-purpose medical image registration techniques, they have not yet attained the requisite precision and reliability for this task, highlighting its inherent complexity. Here we describe the Brain Tumor Sequence Registration (BraTS-Reg) challenge, as the first public benchmark environment for deformable registration algorithms focusing on estimating correspondences between pre-operative and follow-up scans of the same patient diagnosed with a diffuse brain glioma. The BraTS-Reg data comprise de-identified multi-institutional multi-parametric MRI (mpMRI) scans, curated for size and resolution according to a canonical anatomical template, and divided into training, validation, and testing sets. Clinical experts annotated ground truth (GT) landmark points of anatomical locations distinct across the temporal domain. Quantitative evaluation and ranking were based on the Median Euclidean Error (MEE), Robustness, and the determinant of the Jacobian of the displacement field. The top-ranked methodologies yielded similar performance across all evaluation metrics and shared several methodological commonalities, including pre-alignment, deep neural networks, inverse consistency analysis, and test-time instance optimization per-case basis as a post-processing step. The top-ranked method attained the MEE at or below that of the inter-rater variability for approximately 60% of the evaluated landmarks, underscoring the scope for further accuracy and robustness improvements, especially relative to human experts. The aim of BraTS-Reg is to continue to serve as an active resource for research, with the data and online evaluation tools accessible at https://bratsreg.github.io/.
- Abstract（参考訳）: 病理像を含む経時的脳MRI検査の登録は, 組織像の劇的な変化により困難である。
汎用的な医用画像登録技術の開発は進展しているが,その複雑さを浮き彫りにして,必要な精度と信頼性がまだ得られていない。
本稿では,脳腫瘍シークエンス登録(BraTS-Reg)課題について,びまん性脳グリオーマと診断された同一患者の術前検診と追跡検診の対応性を評価することを目的とした,変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境として記述する。
BraTS-Regデータは、非同定多施設多パラメータMRI(mpMRI)スキャンで構成され、標準解剖学的テンプレートに従ってサイズと解像度を算出し、トレーニング、検証、テストセットに分割される。
臨床専門家は、側頭葉領域で異なる解剖学的位置のランドマークポイント(GT)を注釈した。
定量的評価とランク付けは, 中間ユークリッド誤差(MEE), ロバスト性, 変位場のジャコビアン行列に基づいて行った。
トップランクの方法論は、すべての評価指標で同様のパフォーマンスを示し、事前調整、ディープニューラルネットワーク、逆整合解析、ケース単位のテスト時間インスタンス最適化など、いくつかの方法論の共通点を共有した。
評価されたランドマークの約60%は、レーダー間変動の程度以下でMEEを達成し、特に人間の専門家に対して、さらなる精度と堅牢性の向上のスコープを強調した。
BraTS-Regの目的は、データとオンライン評価ツールをhttps://bratsreg.github.io/.comで利用できるようにし、引き続き研究のためのアクティブなリソースとして機能することである。
関連論文リスト
- Cross-modality Guidance-aided Multi-modal Learning with Dual Attention
for MRI Brain Tumor Grading [47.50733518140625]
脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。
本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
論文 参考訳（メタデータ） (2024-01-17T07:54:49Z) - 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。