論文の概要: Multi-site, Multi-domain Airway Tree Modeling (ATM'22): A Public
Benchmark for Pulmonary Airway Segmentation
- arxiv url: http://arxiv.org/abs/2303.05745v3
- Date: Tue, 27 Jun 2023 06:36:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 17:16:41.846063
- Title: Multi-site, Multi-domain Airway Tree Modeling (ATM'22): A Public
Benchmark for Pulmonary Airway Segmentation
- Title（参考訳）: 多地点多領域気道木モデリング(ATM'22):肺気道セグメンテーションのための公開ベンチマーク
- Authors: Minghui Zhang, Yangqian Wu, Hanxiao Zhang, Yulei Qin, Hao Zheng, Wen
Tang, Corey Arnold, Chenhao Pei, Pengxin Yu, Yang Nan, Guang Yang, Simon
Walsh, Dominic C. Marshall, Matthieu Komorowski, Puyang Wang, Dazhou Guo,
Dakai Jin, Ya'nan Wu, Shuiqing Zhao, Runsheng Chang, Boyu Zhang, Xing Lv,
Abdul Qayyum, Moona Mazher, Qi Su, Yonghuang Wu, Ying'ao Liu, Yufei Zhu,
Jiancheng Yang, Ashkan Pakzad, Bojidar Rangelov, Raul San Jose Estepar,
Carlos Cano Espinosa, Jiayuan Sun, Guang-Zhong Yang, Yun Gu
- Abstract要約: オープンな国際課題は、コンピュータビジョンと画像分析アルゴリズムを評価するデファクトスタンダードになりつつある。
医療画像コミュニティのためのベンチマークを提供するため、ATM'22(Multi-site, Multi-domain Airway Tree Modeling)を組織した。
ATM'22は、500個のCTスキャン(トレーニング300回、検証50回、テスト150回)を含む、詳細な肺気道アノテーションを備えた大規模なCTスキャンを提供する。
チャレンジの全フェーズに23のチームが参加し、上位10チームのアルゴリズムをレビューする。
- 参考スコア（独自算出の注目度）: 36.07818905920447
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Open international challenges are becoming the de facto standard for
assessing computer vision and image analysis algorithms. In recent years, new
methods have extended the reach of pulmonary airway segmentation that is closer
to the limit of image resolution. Since EXACT'09 pulmonary airway segmentation,
limited effort has been directed to quantitative comparison of newly emerged
algorithms driven by the maturity of deep learning based approaches and
clinical drive for resolving finer details of distal airways for early
intervention of pulmonary diseases. Thus far, public annotated datasets are
extremely limited, hindering the development of data-driven methods and
detailed performance evaluation of new algorithms. To provide a benchmark for
the medical imaging community, we organized the Multi-site, Multi-domain Airway
Tree Modeling (ATM'22), which was held as an official challenge event during
the MICCAI 2022 conference. ATM'22 provides large-scale CT scans with detailed
pulmonary airway annotation, including 500 CT scans (300 for training, 50 for
validation, and 150 for testing). The dataset was collected from different
sites and it further included a portion of noisy COVID-19 CTs with ground-glass
opacity and consolidation. Twenty-three teams participated in the entire phase
of the challenge and the algorithms for the top ten teams are reviewed in this
paper. Quantitative and qualitative results revealed that deep learning models
embedded with the topological continuity enhancement achieved superior
performance in general. ATM'22 challenge holds as an open-call design, the
training data and the gold standard evaluation are available upon successful
registration via its homepage.
- Abstract（参考訳）: オープンな国際課題は、コンピュータビジョンと画像分析アルゴリズムを評価するデファクトスタンダードになりつつある。
近年,画像解像度の限界に近い肺気道セグメンテーションの到達範囲を拡大する手法が提案されている。
EXACT'09の肺気道セグメンテーション以来、深層学習に基づくアプローチの成熟と、肺疾患の早期介入のための遠位気道の細部細部を解明するための臨床ドライブにより、新たに出現したアルゴリズムの定量的比較に限られた努力が向けられている。
今のところ、パブリックアノテートデータセットは非常に制限されており、データ駆動手法の開発や新しいアルゴリズムの詳細な性能評価を妨げている。
医療画像コミュニティのためのベンチマークとして,MICCAI 2022カンファレンスで公式のチャレンジイベントとして開催されたマルチサイト多領域気道木モデリング(ATM'22)を組織した。
atm'22は、500のctスキャン(トレーニング300、検証50、テスト150)を含む、詳細な肺気道アノテーションを備えた大規模なctスキャンを提供する。
データセットはさまざまな場所から収集され、さらにノイズの多い新型コロナウイルス(COVID-19)CTの一部が含まれていた。
課題の全フェーズに23チームが参加し,上位10チームのアルゴリズムをレビューした。
定量的および定性的な結果から, 位相連続性強化を組み込んだ深層学習モデルは, 一般に優れた性能を示した。
ATM'22チャレンジはオープンコール設計であり、トレーニングデータとゴールドスタンダード評価は、そのホームページを通じて登録が成功すると利用できる。
関連論文リスト
- LNQ 2023 challenge: Benchmark of weakly-supervised techniques for mediastinal lymph node quantification [20.587781330491122]
縦隔リンパ節定量化(LNQ)課題は,第26回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 2023)と連携して実施された。
この課題は、新しい部分的に注釈付けされたデータセットと堅牢な評価フレームワークを提供することで、弱教師付きセグメンテーション手法を推進することを目的としていた。
結果は、弱教師付きアプローチのポテンシャルと現在の限界の両方を強調した。
論文 参考訳（メタデータ） (2024-08-19T15:11:01Z) - RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。
私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
論文 参考訳（メタデータ） (2024-04-25T17:11:37Z) - Deep Rib Fracture Instance Segmentation and Classification from CT on
the RibFrac Challenge [66.86170104167608]
RibFrac Challengeは、660のCTスキャンから5,000以上のリブ骨折のベンチマークデータセットを提供する。
MICCAI 2020チャレンジ期間中に243つの結果が評価され、7つのチームがチャレンジサマリーに参加するために招待された。
この分析により、いくつかのトップリブ骨折検出ソリューションが、人間の専門家と同等かそれ以上の性能を達成したことが明らかになった。
論文 参考訳（メタデータ） (2024-02-14T18:18:33Z) - Hunting imaging biomarkers in pulmonary fibrosis: Benchmarks of the AIIB23 challenge [29.973814271192744]
肺線維性疾患2023のための気道インフォームドCTイメージングバイオマーカー」コンペティションは、2023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。
120個の高分解能コンピュータ断層撮影(HRCT)スキャンのトレーニングセットが公開され、専門家の注釈と死亡率が示された。
オンライン検証セットには、線維性肺疾患患者52例のHRCTスキャンが組み込まれ、オフラインテストセットには線維症や新型コロナウイルス患者140例が含まれていた。
その結果, 線維性肺疾患患者から気道木を抽出する能力が示唆された。
論文 参考訳（メタデータ） (2023-12-21T11:33:10Z) - AeroPath: An airway segmentation benchmark dataset with challenging
pathology [0.0]
肺気腫から大きな腫瘍まで,27枚のCT画像からなる新しいベンチマークデータセット(AeroPath)を導入する。
本稿では,自動気道セグメンテーションのためのマルチスケール核融合設計について述べる。ATM'22データセットでトレーニングし,AeroPathデータセットでテストし,競合するオープンソース手法に対してさらに評価した。
その結果,AeroPath データセットに含まれる全患者に対して,提案したアーキテクチャが位相的に正しいセグメンテーションを予測できた。
論文 参考訳（メタデータ） (2023-11-02T10:41:42Z) - Accurate Airway Tree Segmentation in CT Scans via Anatomy-aware
Multi-class Segmentation and Topology-guided Iterative Learning [15.492349389589121]
CT(Computed tomography)における胸腔内気道セグメンテーションは様々な呼吸器疾患解析の前提条件である。
既存のエアウェイデータセットのほとんどは、不完全なラベル付き/注釈付きである。
本稿では,トポロジ誘導型反復型自己学習によって強化された,解剖学に適応したマルチクラスエアウェイセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2023-06-15T13:23:05Z) - Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。
現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。
本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文 参考訳（メタデータ） (2022-09-07T05:01:38Z) - 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) - CT Image Segmentation for Inflamed and Fibrotic Lungs Using a
Multi-Resolution Convolutional Neural Network [6.177921466996229]
本研究の目的は, 各種密度増強肺異常に対して頑健な完全自動セグメンテーションアルゴリズムを開発することである。
急性肺障害を患うヒトの左肺と右肺に特異的にラベル付けされた肺と非特異的にラベル付けされた肺の両方を1つのニューラルネットワークのトレーニングに組み込んだ多形性訓練手法が提案されている。
結果として生じるネットワークは、ヒトの左右の肺領域を、びまん性オパーシフィケーションと凝縮を伴わずに予測することを目的としている。
論文 参考訳（メタデータ） (2020-10-16T18:25:59Z) - AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment
Optical Coherence Tomography [61.405005501608706]
アングル閉鎖緑内障(ACG)は開角緑内障よりも攻撃的な疾患である。
前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は、開角度から角度閉鎖を識別する高速で接触のない方法を提供する。
既存のメソッドを均一に評価するためのパブリックなAS-OCTデータセットは存在しない。
私たちは,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。
論文 参考訳（メタデータ） (2020-05-05T14:55:01Z)
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。