論文の概要: The impact of using voxel-level segmentation metrics on evaluating
multifocal prostate cancer localisation
- arxiv url: http://arxiv.org/abs/2203.16415v2
- Date: Thu, 31 Mar 2022 02:19:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-01 12:10:15.095331
- Title: The impact of using voxel-level segmentation metrics on evaluating
multifocal prostate cancer localisation
- Title（参考訳）: voxelレベルセグメンテーション指標が多局所前立腺癌局所化の評価に及ぼす影響
- Authors: Wen Yan and Qianye Yang and Tom Syer and Zhe Min and Shonit Punwani
and Mark Emberton and Dean C. Barratt and Bernard Chiu and Yipeng Hu
- Abstract要約: Dice similarity coefficient (DSC) と Hausdorff distance (HD) は医用画像セグメンテーションの評価に広く用いられている。
本研究は、まず、前立腺がんの手術計画において、対象検出に使用されるものを適応する、新しい非対称検出指標を提案する。
今回我々は, DSCとHDの相互一致と相関について報告し, 2) ボクセルレベルDSCと病変レベルでのリコール制御精度について報告する。
- 参考スコア（独自算出の注目度）: 8.035409264165937
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dice similarity coefficient (DSC) and Hausdorff distance (HD) are widely used
for evaluating medical image segmentation. They have also been criticised, when
reported alone, for their unclear or even misleading clinical interpretation.
DSCs may also differ substantially from HDs, due to boundary smoothness or
multiple regions of interest (ROIs) within a subject. More importantly, either
metric can also have a nonlinear, non-monotonic relationship with outcomes
based on Type 1 and 2 errors, designed for specific clinical decisions that use
the resulting segmentation. Whilst cases causing disagreement between these
metrics are not difficult to postulate. This work first proposes a new
asymmetric detection metric, adapting those used in object detection, for
planning prostate cancer procedures. The lesion-level metrics is then compared
with the voxel-level DSC and HD, whereas a 3D UNet is used for segmenting
lesions from multiparametric MR (mpMR) images. Based on experimental results we
report pairwise agreement and correlation 1) between DSC and HD, and 2) between
voxel-level DSC and recall-controlled precision at lesion-level, with Cohen's
[0.49, 0.61] and Pearson's [0.66, 0.76] (p-values}<0.001) at varying cut-offs.
However, the differences in false-positives and false-negatives, between the
actual errors and the perceived counterparts if DSC is used, can be as high as
152 and 154, respectively, out of the 357 test set lesions. We therefore
carefully conclude that, despite of the significant correlations, voxel-level
metrics such as DSC can misrepresent lesion-level detection accuracy for
evaluating localisation of multifocal prostate cancer and should be interpreted
with caution.
- Abstract（参考訳）: Dice similarity coefficient (DSC) と Hausdorff distance (HD) は医療画像セグメンテーションの評価に広く用いられている。
彼らはまた、単独で報告されたとき、その不明瞭な、あるいは誤解を招く臨床解釈について批判されている。
DSCは、被検体内の境界の滑らかさや複数の関心領域(ROI)のため、HDと大きく異なる場合もある。
さらに重要なことに、どちらのメトリックも、タイプ1と2のエラーに基づく結果と非線形で非単調な関係を持ち、結果のセグメンテーションを使用する特定の臨床判断のために設計された。
これらのメトリクス間の不一致を引き起こすケースは、仮定が難しくない。
この研究はまず, 前立腺癌治療の計画にオブジェクト検出に使用する新しい非対称検出指標を提案する。
病変レベルの指標はvoxelレベルのdscとhdと比較され、3d unetはマルチパラメトリックmr(mpmr)画像から病変を分割するために使用される。
実験結果をもとに ペアワイズ・アグリーメントと相関関係を
1) DSC と HD の間, そして
2) ボクセルレベルのDSCと病変レベルのリコール制御精度の間には, コーエンの[0.49, 0.61]とピアソンの [0.66, 0.76] (p-values}<0.001) が様々なカットオフで一致した。
しかし, 偽陽性例と偽陰性例の差は, dscが使用される場合, 実際の誤差と偽陰性例との差は, 357例中152例, 154例にみられた。
したがって,dscなどのvoxelレベル指標は有意な相関関係があるにもかかわらず,多焦点前立腺癌の局所化を評価するために病変レベル検出精度を誤認し,注意して解釈すべきである。
関連論文リスト
- Every Component Counts: Rethinking the Measure of Success for Medical Semantic Segmentation in Multi-Instance Segmentation Tasks [60.80828925396154]
本稿では,新しいセマンティックセグメンテーション評価プロトコルであるConnected-Component (CC)-Metricsを提案する。
本研究は,全体PET/CTにおけるセマンティックセグメンテーションの一般的な医療シナリオにおいて,この設定を動機付けている。
既存のセマンティックセグメンテーションのメトリクスが、より大きな接続コンポーネントに対するバイアスにどのように悩まされているかを示す。
論文 参考訳（メタデータ） (2024-10-24T12:26:05Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - Tackling Bias in the Dice Similarity Coefficient: Introducing nDSC for
White Matter Lesion Segmentation [10.182222073140991]
Dice similarity Coefficient (DSC) は、予測されたセグメンテーションと接地トラスマスクとの合意を比較するための一般的な選択である。
DSC測定値は, 接地トラスにおける正のクラスの発生率に偏りがあることが示されている。
本研究は、最近提案された二分節タスクのための正規化DSCの詳細な解析について述べる。
論文 参考訳（メタデータ） (2023-02-10T18:48:13Z) - Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。
主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。
DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
論文 参考訳（メタデータ） (2023-01-01T05:02:46Z) - Novel structural-scale uncertainty measures and error retention curves:
application to multiple sclerosis [9.295643448425182]
磁気共鳴画像(MRI)における白質病変(WML)セグメンテーションの不確実性評価に焦点をあてる。
一方、ボクセルスケールのセグメンテーションエラーは、病変の誤行を引き起こすが、他方では、病変サイズの検出エラーは、間違った病変数を引き起こす。
本研究の目的は, セグメンテーションと病変検出に関する誤差をそれぞれ捉えるために, 異なるボクセルと病変スケールの不確実性対策の能力を比較することである。
論文 参考訳（メタデータ） (2022-11-09T11:53:29Z) - Adaptive Contrastive Learning with Dynamic Correlation for Multi-Phase
Organ Segmentation [25.171694372205774]
臓器レベルでの各ミニバッチにおけるサンプル間の類似・異種コントラスト関係に適応するデータ駆動型コントラスト損失関数を提案する。
非コントラストCTデータセットとMICCAI 2015 BTCV ChallengeのコントラストCTデータセットを併用した多臓器セグメンテーションの検討を行った。
論文 参考訳（メタデータ） (2022-10-16T22:38:30Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z) - Comparison of Evaluation Metrics for Landmark Detection in CMR Images [0.8219153654616499]
右室挿入点のラベルを付加したパブリックACDCデータセットを拡張した。
ヒートマップに基づくランドマーク検出パイプラインのさまざまなバリエーションを比較した。
予備的な結果は、異なるメトリクスの組み合わせが必要であることを示している。
論文 参考訳（メタデータ） (2022-01-25T15:58:30Z) - Multiple Sclerosis Lesions Identification/Segmentation in Magnetic
Resonance Imaging using Ensemble CNN and Uncertainty Classification [7.260554897161948]
3つの重要な概念に基づくMS病変の同定・分類のための自動フレームワークを提案する。
提案されたフレームワークは、2016年のMSSEGベンチマーク公開データセットでトレーニング、検証、テストされている。
結果も不確実性を示すが、他のレーダとの比較は不可能である。
論文 参考訳（メタデータ） (2021-08-26T13:48:06Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - Collaborative Boundary-aware Context Encoding Networks for Error Map
Prediction [65.44752447868626]
本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。
具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。
AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
論文 参考訳（メタデータ） (2020-06-25T12:42:01Z)
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。