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

• 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)
• SliceMamba with Neural Architecture Search for Medical Image Segmentation [13.837666496926351]
  SliceMambaは,シンプルで効果的なマンバ型医用画像分割モデルである。 SliceMambaには、双方向機能スライシングを行う効率的な双方向スライススキャンモジュール(BSS)が含まれている。 また,対象データの特徴に基づいて最適な特徴スライス法を自動決定する適応スライス探索手法を提案する。
  論文  参考訳（メタデータ） (2024-07-11T13:13:31Z)
• 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)
• Real Time Multi Organ Classification on Computed Tomography Images [0.08192907805418582]
  スパースデータサンプリング戦略を用いた大コンテキストサイズを用いて,臓器ラベルをリアルタイムに取得する方法を実証する。 本手法は,問合せ位置の独立分類器として機能するが,任意の解像度で問合せ格子位置を問合せすることで,完全分割を生成することができる。
  論文  参考訳（メタデータ） (2024-04-29T14:17:52Z)
• Strategies to Improve Real-World Applicability of Laparoscopic Anatomy Segmentation Models [6.8726432208129555]
  本研究では,8つのセグメンテーション指標に対するクラス特性,トレーニング,テストデータ構成,およびモデルパラメータの影響を系統的に分析する。 本研究は, 外科的データ科学におけるデータバイアスを考慮に入れた2つの調整を支援する。
  論文  参考訳（メタデータ） (2024-03-25T21:08:26Z)
• 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)
• 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)
• 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。