論文の概要: Informing selection of performance metrics for medical image
segmentation evaluation using configurable synthetic errors
- arxiv url: http://arxiv.org/abs/2212.14828v1
- Date: Fri, 30 Dec 2022 17:13:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 17:25:42.478239
- Title: Informing selection of performance metrics for medical image
segmentation evaluation using configurable synthetic errors
- Title(参考訳): 構成可能な合成誤差を用いた医用画像セグメンテーション評価のためのパフォーマンス指標の選択
- Authors: Shuyue Guan, Ravi K. Samala, Weijie Chen
- Abstract要約: 医療画像における機械学習に基づくセグメンテーションは、診断学から放射線治療治療計画への臨床応用に広く用いられている。
通常の幾何学的形状は、しばしばセグメンテーション誤差を合成し、パフォーマンス指標の特性を説明するために使われるが、実際の画像における解剖学的変異の複雑さは欠如している。
実際の医用画像から抽出した解剖学的対象物の参照(真実)マスクを調整し,セグメンテーションをエミュレートするツールを提案する。
- 参考スコア(独自算出の注目度): 4.595409520880977
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning-based segmentation in medical imaging is widely used in
clinical applications from diagnostics to radiotherapy treatment planning.
Segmented medical images with ground truth are useful for investigating the
properties of different segmentation performance metrics to inform metric
selection. Regular geometrical shapes are often used to synthesize segmentation
errors and illustrate properties of performance metrics, but they lack the
complexity of anatomical variations in real images. In this study, we present a
tool to emulate segmentations by adjusting the reference (truth) masks of
anatomical objects extracted from real medical images. Our tool is designed to
modify the defined truth contours and emulate different types of segmentation
errors with a set of user-configurable parameters. We defined the ground truth
objects from 230 patient images in the Glioma Image Segmentation for
Radiotherapy (GLIS-RT) database. For each object, we used our segmentation
synthesis tool to synthesize 10 versions of segmentation (i.e., 10 simulated
segmentors or algorithms), where each version has a pre-defined combination of
segmentation errors. We then applied 20 performance metrics to evaluate all
synthetic segmentations. We demonstrated the properties of these metrics,
including their ability to capture specific types of segmentation errors. By
analyzing the intrinsic properties of these metrics and categorizing the
segmentation errors, we are working toward the goal of developing a
decision-tree tool for assisting in the selection of segmentation performance
metrics.
- Abstract(参考訳): 医療画像における機械学習に基づくセグメンテーションは、診断から放射線治療計画への臨床応用に広く用いられている。
セグメンテーションされた医療画像は、異なるセグメンテーション性能指標の特性を調べるのに有用であり、測定値の選択を知らせる。
正規幾何形状は、しばしばセグメンテーションエラーを合成し、パフォーマンスメトリクスの特性を示すために用いられるが、実際の画像における解剖学的変異の複雑さが欠如している。
本研究では,実際の医用画像から抽出した解剖学的対象物の参照(真実)マスクを調整し,セグメンテーションをエミュレートするツールを提案する。
我々のツールは、定義された真理の輪郭を修正し、異なるタイプのセグメンテーションエラーをユーザ設定可能なパラメータセットでエミュレートするように設計されている。
Glioma Image Segmentation for Radiotherapy (GLIS-RT) データベースで230の患者画像から地中真理オブジェクトを定義した。
各オブジェクトに対して、セグメンテーション合成ツールを使用して、セグメンテーションの10バージョン(例えば、10のシミュレートされたセグメンテーションまたはアルゴリズム)を合成しました。
そして、すべての合成セグメントを評価するために20のパフォーマンスメトリクスを適用しました。
特定タイプのセグメンテーションエラーをキャプチャする機能を含む,これらの指標の特性を実証した。
これらの指標の本質的な特性を分析し,セグメンテーション誤差を分類することによって,セグメンテーション性能指標の選択を支援する決定木ツールの開発を目指している。
関連論文リスト
- Train-Free Segmentation in MRI with Cubical Persistent Homology [0.0]
トポロジカルデータ解析(TDA)を用いたMRI画像の分割法について述べる。
これは3つのステップで機能し、まずは自動しきい値設定によってオブジェクト全体をセグメントに識別し、次に事前にトポロジが知られている特定の部分集合を検出し、最後にセグメンテーションの様々な成分を推論する。
脳MRIにおけるグリオブラスト腫分画の例について検討し、2次元スライスが円である胎児脳MRIにおいて、シリンダーを含む心臓MRIにおける心筋、および皮質プレート検出について検討した。
論文 参考訳(メタデータ) (2024-01-02T11:43:49Z) - Multi-Modal Evaluation Approach for Medical Image Segmentation [4.989480853499916]
本稿では,異なるセグメンテーション手法の有効性を評価するために,新しいマルチモーダル評価(MME)手法を提案する。
本稿では, 検出特性, 境界アライメント, 均一性, 総体積, 相対体積など, 関連性, 解釈可能な新しい特徴を紹介する。
提案するアプローチはオープンソースで,使用することができる。
論文 参考訳(メタデータ) (2023-02-08T15:31:33Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳(メタデータ) (2023-01-12T08:19:46Z) - A kinetic approach to consensus-based segmentation of biomedical images [58.720142291102135]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳(メタデータ) (2022-11-08T09:54:34Z) - Auto-segmentation of Hip Joints using MultiPlanar UNet with Transfer
learning [6.6246573227620384]
少数のデータしか持たないディープラーニングセグメンテーションアプローチは、細かい特徴を正確にセグメンテーションするのに困難である。
本稿では, セグメンテーションが不十分なデータセットを, 対話型学習と組み合わせて再利用する手法を提案する。
今回我々は, この頑健かつ概念的にシンプルなアプローチを, 人工股関節のCT画像に応用し, 臨床的に検証した。
論文 参考訳(メタデータ) (2022-08-17T11:12:50Z) - TraSeTR: Track-to-Segment Transformer with Contrastive Query for
Instance-level Instrument Segmentation in Robotic Surgery [60.439434751619736]
そこで我々は,TraSeTRを提案する。TraSeTR,TraSeTR,Trace-to-Segment Transformerは,手術器具のセグメンテーションを支援する。
TraSeTRは、機器の種類、位置、アイデンティティとインスタンスレベルの予測を共同で理由付けている。
提案手法の有効性を,3つの公開データセットに対して,最先端の計器型セグメンテーション結果を用いて実証した。
論文 参考訳(メタデータ) (2022-02-17T05:52:18Z) - Learning of Inter-Label Geometric Relationships Using Self-Supervised
Learning: Application To Gleason Grade Segmentation [4.898744396854313]
そこで本研究では,PCaの病理組織像に対して,異なる疾患ラベル間の幾何学的関係を学習して合成する方法を提案する。
我々はGleasonスコアを用いた弱教師付きセグメンテーション手法を用いて、疾患領域をセグメンテーションする。
得られたセグメンテーションマップは、行方不明のマスクセグメントを予測するためにShaRe-Net(ShaRe-Net)をトレーニングするために使用される。
論文 参考訳(メタデータ) (2021-10-01T13:47:07Z) - Common Limitations of Image Processing Metrics: A Picture Story [58.83274952067888]
本論文は, 画像レベルの分類, セマンティックセグメンテーション, インスタンスセグメンテーション, オブジェクト検出タスクと表現できるバイオメディカル画像解析問題に焦点を当てる。
現在のバージョンは、世界中の60以上の機関からの画像分析の専門家からなる国際コンソーシアムが実施するメトリクスに関するDelphiプロセスに基づいている。
論文 参考訳(メタデータ) (2021-04-12T17:03:42Z) - Deep ensembles based on Stochastic Activation Selection for Polyp
Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。
イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。
我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文 参考訳(メタデータ) (2021-04-02T02:07:37Z) - Generalized Organ Segmentation by Imitating One-shot Reasoning using
Anatomical Correlation [55.1248480381153]
そこで我々は,アノテーション付きオルガンクラスから一般化されたオルガン概念を学習し,その概念を未知のクラスに転送するOrganNetを提案する。
そこで,OrganNetは臓器形態の幅広い変化に効果的に抵抗でき,一発分節タスクで最先端の結果が得られることを示す。
論文 参考訳(メタデータ) (2021-03-30T13:41:12Z) - Rethinking Semantic Segmentation Evaluation for Explainability and Model
Selection [12.786648212233116]
地域ベースのオーバーおよびアンダーセグメンテーションを評価するための新しいメトリクスを紹介します。
分析して他のメトリクスと比較し、実世界のアプリケーションにおけるセマンティックセグメンテーションモデルのパフォーマンスをより説明しやすくなることを示す。
論文 参考訳(メタデータ) (2021-01-21T03:12:43Z)
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。