論文の概要: Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS) Benchmark

• arxiv url: http://arxiv.org/abs/2201.00458v1
• Date: Mon, 3 Jan 2022 03:06:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-04 19:38:26.092612
• Title: Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS) Benchmark
• Title（参考訳）: Computed Tomography Scan(LOTUS)ベンチマークによる肺摘出腫瘍切除
• Authors: Parnian Afshar, Arash Mohammadi, Konstantinos N. Plataniotis, Keyvan Farahani, Justin Kirby, Anastasia Oikonomou, Amir Asif, Leonard Wee, Andre Dekker, Xin Wu, Mohammad Ariful Haque, Shahruk Hossain, Md. Kamrul Hasan, Uday Kamal, Winston Hsu, Jhih-Yuan Lin, M. Sohel Rahman, Nabil Ibtehaz, Sh. M. Amir Foisol, Kin-Man Lam, Zhong Guang, Runze Zhang, Sumohana S. Channappayya, Shashank Gupta, Chander Dev
• Abstract要約: 肺癌は最も致命的ながんの1つであり、その効果的な診断と治療は腫瘍の正確な悪性度に依存している。 現在最も一般的なアプローチであるHuman-centered segmentationは、サーバ間変動の対象となる。 2018年のVIPカップは、42か国から競争データにアクセスするための世界的な参加から始まった。 簡単に言えば、競争中に提案されたアルゴリズムはすべて、偽陽性還元手法と組み合わせたディープラーニングモデルに基づいている。
• 参考スコア（独自算出の注目度）: 48.30502612686276
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lung cancer is one of the deadliest cancers, and in part its effective diagnosis and treatment depend on the accurate delineation of the tumor. Human-centered segmentation, which is currently the most common approach, is subject to inter-observer variability, and is also time-consuming, considering the fact that only experts are capable of providing annotations. Automatic and semi-automatic tumor segmentation methods have recently shown promising results. However, as different researchers have validated their algorithms using various datasets and performance metrics, reliably evaluating these methods is still an open challenge. The goal of the Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS) Benchmark created through 2018 IEEE Video and Image Processing (VIP) Cup competition, is to provide a unique dataset and pre-defined metrics, so that different researchers can develop and evaluate their methods in a unified fashion. The 2018 VIP Cup started with a global engagement from 42 countries to access the competition data. At the registration stage, there were 129 members clustered into 28 teams from 10 countries, out of which 9 teams made it to the final stage and 6 teams successfully completed all the required tasks. In a nutshell, all the algorithms proposed during the competition, are based on deep learning models combined with a false positive reduction technique. Methods developed by the three finalists show promising results in tumor segmentation, however, more effort should be put into reducing the false positive rate. This competition manuscript presents an overview of the VIP-Cup challenge, along with the proposed algorithms and results.
• Abstract（参考訳）: 肺癌は最も致命的ながんの1つであり、その効果的な診断と治療は腫瘍の正確な脱線に依存する。 現在最も一般的なアプローチである人間中心のセグメンテーションは、専門家だけがアノテーションを提供することができるという事実を考慮すると、オブザーバ間変動の対象となるだけでなく、時間もかかる。 自動および半自動腫瘍分割法は近年,有望な結果を示している。 しかしながら、さまざまな研究者がさまざまなデータセットとパフォーマンスメトリクスを使用してアルゴリズムを検証しているため、これらの手法を確実に評価することは依然として難しい課題である。 Computed Tomography Scan (LOTUS)ベンチマークによるLung-Originated tumor Segmentationの目標は、2018年のIEEE Video and Image Processing (VIP) Cupコンペティションを通じて作成された、独自のデータセットと事前定義されたメトリクスを提供することである。 2018年のVIPカップは、42か国から競争データにアクセスするための世界的な参加から始まった。 登録段階では、10か国から28チームに129人が集結し、そのうち9チームが最終ステージに進み、6チームが必要なすべてのタスクを完遂した。 簡単に言えば、競争中に提案されたアルゴリズムはすべて、偽陽性還元手法と組み合わせたディープラーニングモデルに基づいている。 3人のファイナリストによって開発された方法は、腫瘍の分画に有望な結果を示すが、偽陽性率の低減にもっと努力する必要がある。 本論文は,提案したアルゴリズムと結果とともに,VIP-Cupチャレンジの概要を示す。

関連論文リスト

• Automatic Organ and Pan-cancer Segmentation in Abdomen CT: the FLARE 2023 Challenge [15.649976310277099]
  腹部CT検査における臓器・癌の分節化は,正確な癌診断と治療の必要条件である。 既存のベンチマークやアルゴリズムは、特定のがんタイプに合わせて調整されており、包括的ながん分析を提供する能力を制限する。 この研究は、大規模で多様なデータセットを提供することにより、腹部臓器と膵臓の分節に関する最初の国際コンペティションである。
  論文  参考訳（メタデータ） (2024-08-22T16:38:45Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Towards Tumour Graph Learning for Survival Prediction in Head & Neck Cancer Patients [0.0]
  2020年に世界で100万人近い頭頸部がんが診断された。 自動セグメンテーションと予後推定アプローチは、各患者が最も効果的な治療を受けるのに役立つ。 本稿では、任意の視野(FoV)PETとCT登録スキャンでこれらの機能を実行するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-17T09:32:06Z)
• WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic Segmentation for Lung Adenocarcinoma [51.50991881342181]
  この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。 第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
  論文  参考訳（メタデータ） (2022-04-13T15:27:05Z)
• Extending nn-UNet for brain tumor segmentation [1.218340575383456]
  本稿では2021年の脳腫瘍セグメンテーションコンペティションへの貢献について述べる。 我々は,昨年の優勝コンペティションであるnn-UNetをベースとした手法を開発した。 提案されたモデルは、未確認のテストデータの最終ランキングで1位を獲得した。
  論文  参考訳（メタデータ） (2021-12-09T01:51:52Z)
• Redundancy Reduction in Semantic Segmentation of 3D Brain Tumor MRIs [2.946960157989204]
  この研究は、摂動下での冗長性を最小化するネットワークトレーニングプロセスの修正である。 腫瘍コア, 腫瘍コア, 全腫瘍に対して, 0.8600, 0.8868, 0.9265平均ダイスを得た。 私たちのチーム(NVAUTO)の応募は、ETとTCのスコアで上位10チーム、WTのスコアで上位10チームだった。
  論文  参考訳（メタデータ） (2021-11-01T07:39:06Z)
• Colorectal Cancer Segmentation using Atrous Convolution and Residual Enhanced UNet [0.5353034688884528]
  本研究では,従来のフィルタ以外に,多孔性畳み込みと残存接続を用いたCNN方式を提案する。 提案するatresunetはdice係数0.748の大腸癌分画のための digestpath 2019 challengeデータセットでトレーニングされた。
  論文  参考訳（メタデータ） (2021-03-16T19:20:20Z)
• 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)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)
• 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。