論文の概要: Overview of the HECKTOR Challenge at MICCAI 2021: Automatic Head and
Neck Tumor Segmentation and Outcome Prediction in PET/CT Images
- arxiv url: http://arxiv.org/abs/2201.04138v1
- Date: Tue, 11 Jan 2022 15:32:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-13 23:49:07.056512
- Title: Overview of the HECKTOR Challenge at MICCAI 2021: Automatic Head and
Neck Tumor Segmentation and Outcome Prediction in PET/CT Images
- Title（参考訳）: MICCAI2021におけるHECKTORチャレンジの概要:PET/CT画像における頭頸部腫瘍分離とアウトカム予測
- Authors: Vincent Andrearczyk, Valentin Oreiller, Sarah Boughdad, Catherine Chez
Le Rest, Hesham Elhalawani, Mario Jreige, John O. Prior, Martin Valli\`eres,
Dimitris Visvikis, Mathieu Hatt, Adrien Depeursinge
- Abstract要約: HECKTOR(Head and neck Tumor)課題はPET/CT画像の自動解析に関する3つの課題からなる。
データは6つのセンターから収集され、合計325の画像で、224のトレーニングと101のテストケースに分割された。
第1タスクではDice similarity Coefficient(DSC)が0.7591、第2タスクでは0.7196、第3タスクでは0.6978のConcordance Index(C-index)がそれぞれ得られた。
- 参考スコア（独自算出の注目度）: 2.5964420206814274
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents an overview of the second edition of the HEad and neCK
TumOR (HECKTOR) challenge, organized as a satellite event of the 24th
International Conference on Medical Image Computing and Computer Assisted
Intervention (MICCAI) 2021. The challenge is composed of three tasks related to
the automatic analysis of PET/CT images for patients with Head and Neck cancer
(H&N), focusing on the oropharynx region. Task 1 is the automatic segmentation
of H&N primary Gross Tumor Volume (GTVt) in FDG-PET/CT images. Task 2 is the
automatic prediction of Progression Free Survival (PFS) from the same
FDG-PET/CT. Finally, Task 3 is the same as Task 2 with ground truth GTVt
annotations provided to the participants. The data were collected from six
centers for a total of 325 images, split into 224 training and 101 testing
cases. The interest in the challenge was highlighted by the important
participation with 103 registered teams and 448 result submissions. The best
methods obtained a Dice Similarity Coefficient (DSC) of 0.7591 in the first
task, and a Concordance index (C-index) of 0.7196 and 0.6978 in Tasks 2 and 3,
respectively. In all tasks, simplicity of the approach was found to be key to
ensure generalization performance. The comparison of the PFS prediction
performance in Tasks 2 and 3 suggests that providing the GTVt contour was not
crucial to achieve best results, which indicates that fully automatic methods
can be used. This potentially obviates the need for GTVt contouring, opening
avenues for reproducible and large scale radiomics studies including thousands
potential subjects.
- Abstract（参考訳）: 本稿では,第24回医療画像コンピューティング・コンピュータ支援干渉会議(MICCAI)のサテライトイベントとして組織されたHECKTOR(HEAD and neCK Tumor)チャレンジの第2版の概要を紹介する。
この課題は、頭頸部癌(h&n)に対するpet/ct画像の自動解析に関連する3つの課題から成り、咽頭領域に焦点を当てている。
タスク1は、FDG-PET/CT画像におけるH&N原発グロス腫瘍ボリューム(GTVt)の自動セグメンテーションである。
タスク2は、同じFDG-PET/CTからPFS(Progression Free Survival)の自動予測である。
最後に、第3タスクは第2タスクと同じで、参加者にGTVtアノテーションが提供されている。
データは6つのセンターから収集され、合計325枚の画像が224のトレーニングと101のテストケースに分割された。
チャレンジへの関心は、103の登録チームと448の結果の提出による重要な参加によって強調された。
第1タスクではDice similarity Coefficient(DSC)が0.7591、第2タスクでは0.7196、第3タスクでは0.6978のConcordance Index(C-index)がそれぞれ得られた。
あらゆるタスクにおいて、アプローチの単純さが一般化性能を保証する鍵であることが判明した。
タスク2と3におけるPFS予測性能の比較では、GTVt輪郭の提供は最良の結果を得るためには重要ではなかったことが示唆され、完全な自動手法が利用可能であることが示唆された。
これはgtvtの整備の必要性を損なう可能性があり、何千もの潜在的対象を含む再現可能で大規模な放射線学研究への道を開く可能性がある。
関連論文リスト
- Lesion Segmentation in Whole-Body Multi-Tracer PET-CT Images; a Contribution to AutoPET 2024 Challenge [0.0]
本研究は, 画像前処理, トレーサ分類, 病変分割ステップを組み込んだワークフローによるAutoPET MICCAI 2024チャレンジに寄与する。
このパイプラインの実装により、モデルのセグメンテーション精度が大幅に向上した。
論文 参考訳（メタデータ） (2024-09-22T14:50:46Z) - AutoPET Challenge III: Testing the Robustness of Generalized Dice Focal Loss trained 3D Residual UNet for FDG and PSMA Lesion Segmentation from Whole-Body PET/CT Images [0.0]
本研究では,3次元残差UNetモデルを用いて,汎用Dice Loss関数を用いてAutoPET Challenge 2024データセット上でモデルをトレーニングする。
Task-1の予備試験段階では、平均アンサンブルは平均Dice similarity Coefficient(DSC)が0.6687、平均偽陰体積(FNV)が10.9522ml、平均偽正体積(FPV)が2.9684mlに達した。
論文 参考訳（メタデータ） (2024-09-16T10:27:30Z) - TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。
このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。
このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文 参考訳（メタデータ） (2024-05-29T20:15:54Z) - High-confidence pseudo-labels for domain adaptation in COVID-19 detection [8.28720658988688]
本報告では,第4回COV19Dコンペティションへの応募について概説する。
競技は2つの課題からなる。
1つ目は、COV19-CT-DBデータベースから1000以上のCTスキャンから新型コロナウイルスの存在を検出するために分類器を訓練することである。
論文 参考訳（メタデータ） (2024-03-20T11:12:57Z) - The KiTS21 Challenge: Automatic segmentation of kidneys, renal tumors,
and renal cysts in corticomedullary-phase CT [50.41526598153698]
本稿では,2021 Kidney and Kidney tumor Challenge (KiTS21)の挑戦報告について述べる。
KiTS21は2019年に発売された最初のエディションの続編であり、チャレンジの設計方法に様々な革新が加えられている。
トップパフォーマンスのチームは、2019年のアートセットの状況よりも大幅に改善され、このパフォーマンスは人間レベルのパフォーマンスに近いことが示されています。
論文 参考訳（メタデータ） (2023-07-05T02:00:14Z) - Joint nnU-Net and Radiomics Approaches for Segmentation and Prognosis of
Head and Neck Cancers with PET/CT images [6.361835964390572]
3D nnU-Netアーキテクチャは原発性腫瘍とリンパ節の自動分節に同期的に採用された。
従来の放射能の特徴のみを含む3つの予後モデルが構築された。
セグメンテーションと予後タスクの評価指標としてDice scoreとC-indexが用いられた。
論文 参考訳（メタデータ） (2022-11-18T10:31:26Z) - Squeeze-and-Excitation Normalization for Automated Delineation of Head
and Neck Primary Tumors in Combined PET and CT Images [3.2694564664990753]
ポジトロン発光トモグラフィ/CT(PET/CT)画像を組み合わせることで、ヘッドアンドネック(H&N)一次腫瘍分割の自動化に貢献します。
残層を持つU-Netアーキテクチャを設計し,Squeeze-and-Excitation Normalizationを補足した。
本手法は,クロスバリデーション (DSC 0.745, 精度 0.760, リコール 0.789) と試験セット (DSC 0.759, 精度 0.833, リコール 0.740) で達成し, HECKTORチャレンジで優勝した。
論文 参考訳（メタデータ） (2021-02-20T21:06:59Z) - A novel multiple instance learning framework for COVID-19 severity
assessment via data augmentation and self-supervised learning [64.90342559393275]
新型コロナウイルスの重症度を迅速かつ正確に評価する方法は、世界中の何百万人もの人々がパンデミックに苦しんでいる場合に必要不可欠な問題だ。
CT画像による新型コロナウイルスの重症度自動評価を妨害する可能性のある、弱いアノテーションと不十分なデータという2つの問題があることを観察する。
平均精度は95.8%で、感度は93.6%、特異性は96.4%で、前作より優れていた。
論文 参考訳（メタデータ） (2021-02-07T16:30:18Z) - 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) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z) - 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。