論文の概要: The state-of-the-art 3D anisotropic intracranial hemorrhage segmentation
on non-contrast head CT: The INSTANCE challenge
- arxiv url: http://arxiv.org/abs/2301.03281v1
- Date: Mon, 9 Jan 2023 11:48:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 18:13:06.057585
- Title: The state-of-the-art 3D anisotropic intracranial hemorrhage segmentation
on non-contrast head CT: The INSTANCE challenge
- Title(参考訳): 非造影頭部CTにおける3D異方性頭蓋内出血の現況 : INSTANCEの課題
- Authors: Xiangyu Li, Gongning Luo, Kuanquan Wang, Hongyu Wang, Shuo Li, Jun
Liu, Xinjie Liang, Jie Jiang, Zhenghao Song, Chunyue Zheng, Haokai Chi,
Mingwang Xu, Yingte He, Xinghua Ma, Jingwen Guo, Yifan Liu, Chuanpu Li, Zeli
Chen, Md Mahfuzur Rahman Siddiquee, Andriy Myronenko, Antoine P. Sanner,
Anirban Mukhopadhyay, Ahmed E. Othman, Xingyu Zhao, Weiping Liu, Jinhuang
Zhang, Xiangyuan Ma, Qinghui Liu, Bradley J MacIntosh, Wei Liang, Moona
Mazher, Abdul Qayyum, Valeriia Abramova, Xavier Llad\'o
- Abstract要約: INSTANCE 2022は、2022年の医用画像コンピューティングとコンピュータ支援介入に関する国際会議(MICCAI)と共同で開催された大きな課題である。
以上の課題を解決し,脳内出血セグメンテーションと異方性データ処理の開発を促進することを目的としている。
勝者法は平均DSC0.6925を達成し,提案法よりも有意な成長を示した。
- 参考スコア(独自算出の注目度): 19.72232714668029
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic intracranial hemorrhage segmentation in 3D non-contrast head CT
(NCCT) scans is significant in clinical practice. Existing hemorrhage
segmentation methods usually ignores the anisotropic nature of the NCCT, and
are evaluated on different in-house datasets with distinct metrics, making it
highly challenging to improve segmentation performance and perform objective
comparisons among different methods. The INSTANCE 2022 was a grand challenge
held in conjunction with the 2022 International Conference on Medical Image
Computing and Computer Assisted Intervention (MICCAI). It is intended to
resolve the above-mentioned problems and promote the development of both
intracranial hemorrhage segmentation and anisotropic data processing. The
INSTANCE released a training set of 100 cases with ground-truth and a
validation set with 30 cases without ground-truth labels that were available to
the participants. A held-out testing set with 70 cases is utilized for the
final evaluation and ranking. The methods from different participants are
ranked based on four metrics, including Dice Similarity Coefficient (DSC),
Hausdorff Distance (HD), Relative Volume Difference (RVD) and Normalized
Surface Dice (NSD). A total of 13 teams submitted distinct solutions to resolve
the challenges, making several baseline models, pre-processing strategies and
anisotropic data processing techniques available to future researchers. The
winner method achieved an average DSC of 0.6925, demonstrating a significant
growth over our proposed baseline method. To the best of our knowledge, the
proposed INSTANCE challenge releases the first intracranial hemorrhage
segmentation benchmark, and is also the first challenge that intended to
resolve the anisotropic problem in 3D medical image segmentation, which
provides new alternatives in these research fields.
- Abstract(参考訳): 3D Non-Contrast Head CT (NCCT) における頭蓋内出血分画は臨床的に重要である。
既存の出血セグメンテーション法は通常、ncctの異方性を無視し、異なるメトリクスを持つ異なる社内データセットで評価されるため、セグメンテーション性能の改善と異なる方法間の客観的比較が極めて困難である。
INSTANCE 2022は、2022年の医用画像コンピューティングおよびコンピュータ支援介入に関する国際会議(MICCAI)と共同で開催された大きな課題である。
以上の課題を解決し,脳内出血セグメンテーションと異方性データ処理の開発を促進することを目的としている。
実験では、被験者が利用可能な100のケースと30のケースからなる検証セットをトレーニングセットとしてリリースした。
最終評価とランキングには70事例からなるホールドアウトテストセットが使用される。
Dice similarity Coefficient (DSC), Hausdorff Distance (HD), Relative Volume difference (RVD), Normalized Surface Dice (NSD) の4つの指標に基づいて,参加者の手法をランク付けする。
合計13チームが、いくつかのベースラインモデル、前処理戦略、異方性データ処理技術を将来の研究者に提供し、課題を解決するために、それぞれ異なるソリューションを提出した。
勝者法は平均DSC0.6925を達成し,提案法よりも有意な成長を示した。
我々の知る限り、INSTANCEは最初の頭蓋内出血セグメンテーションのベンチマークを公表し、3D画像セグメンテーションにおける異方性問題の解決を目的とした最初の挑戦であり、これらの研究分野において新たな代替手段を提供する。
関連論文リスト
- QUBIQ: Uncertainty Quantification for Biomedical Image Segmentation Challenge [93.61262892578067]
医用画像分割作業の不確実性、特にラター間変動性は重要な課題である。
この可変性は、自動セグメンテーションアルゴリズムの開発と評価に直接影響を及ぼす。
バイオメディカル画像量化チャレンジ(QUBIQ)における不確実性の定量化のベンチマーク結果を報告する。
論文 参考訳(メタデータ) (2024-03-19T17:57:24Z) - Acute ischemic stroke lesion segmentation in non-contrast CT images
using 3D convolutional neural networks [0.0]
非コントラストCT脳画像における急性虚血性脳梗塞の容積分画を目的とした自動アルゴリズムを提案する。
我々のディープラーニングアプローチは、人気のある3D U-Net畳み込みニューラルネットワークアーキテクチャに基づいている。
論文 参考訳(メタデータ) (2023-01-17T10:39:39Z) - Multiple Sclerosis Lesions Segmentation using Attention-Based CNNs in
FLAIR Images [0.2578242050187029]
多発性硬化症(Multiple Sclerosis、MS)は、中枢神経系の病変を引き起こす自己免疫性脱髄性疾患である。
今のところ、病変の分断には多要素自動バイオメディカルアプローチが多用されている。
著者らは1つのモダリティ(FLAIR画像)を用いてMS病変を正確に分類する方法を提案する。
論文 参考訳(メタデータ) (2022-01-05T21:37:43Z) - Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS)
Benchmark [48.30502612686276]
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。
論文 参考訳(メタデータ) (2022-01-03T03:06:38Z) - Cross-Site Severity Assessment of COVID-19 from CT Images via Domain
Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。
ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。
この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文 参考訳(メタデータ) (2021-09-08T07:56:51Z) - Artificial Intelligence Methods Based Hierarchical Classification of
Frontotemporal Dementia to Improve Diagnostic Predictability [0.0]
Frontotemporal Dementia(FTD)患者は、認知能力、エグゼクティブおよび行動特性、言語能力の喪失、および記憶能力の低下を損ないました。
本研究の目的は、皮質厚さデータに人工知能(AI)のデータ駆動技術を適用することにより、各被験者のMRI画像をFTDのスペクトルの1つに階層的に分類することである。
自動分類モデルでは, 支持ベクトルマシン (SVM) , 線形判別分析 (LDA) , ナイブベイズ法 (Naive Bayes) が10倍のクロスバリデーション解析でそれぞれ86.5, 76, 72.7の分類精度を得た。
論文 参考訳(メタデータ) (2021-04-12T07:04:11Z) - 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) - 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) - Validation and Optimization of Multi-Organ Segmentation on Clinical
Imaging Archives [7.036733782879497]
2015年のMICCAIチャレンジは、多臓器性腹部CTセグメンテーションの大幅な革新を引き起こした。
近年のディープメソッドの革新は、臨床翻訳が魅力的であるレベルにパフォーマンスを誘導している。
オープンデータセットのクロスバリデーションは間接的な知識汚染のリスクを示し、円形の推論をもたらす可能性がある。
論文 参考訳(メタデータ) (2020-02-10T21:49:42Z) - 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。