論文の概要: The KiTS21 Challenge: Automatic segmentation of kidneys, renal tumors, and renal cysts in corticomedullary-phase CT

• arxiv url: http://arxiv.org/abs/2307.01984v1
• Date: Wed, 5 Jul 2023 02:00:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-06 15:22:02.266677
• Title: The KiTS21 Challenge: Automatic segmentation of kidneys, renal tumors, and renal cysts in corticomedullary-phase CT
• Title（参考訳）: KiTS21 Challenge:Corticomedullary-phase CTにおける腎,腎腫瘍,腎嚢胞の自動分画
• Authors: Nicholas Heller, Fabian Isensee, Dasha Trofimova, Resha Tejpaul, Zhongchen Zhao, Huai Chen, Lisheng Wang, Alex Golts, Daniel Khapun, Daniel Shats, Yoel Shoshan, Flora Gilboa-Solomon, Yasmeen George, Xi Yang, Jianpeng Zhang, Jing Zhang, Yong Xia, Mengran Wu, Zhiyang Liu, Ed Walczak, Sean McSweeney, Ranveer Vasdev, Chris Hornung, Rafat Solaiman, Jamee Schoephoerster, Bailey Abernathy, David Wu, Safa Abdulkadir, Ben Byun, Justice Spriggs, Griffin Struyk, Alexandra Austin, Ben Simpson, Michael Hagstrom, Sierra Virnig, John French, Nitin Venkatesh, Sarah Chan, Keenan Moore, Anna Jacobsen, Susan Austin, Mark Austin, Subodh Regmi, Nikolaos Papanikolopoulos, and Christopher Weight
• Abstract要約: 本稿では,2021 Kidney and Kidney tumor Challenge (KiTS21)の挑戦報告について述べる。 KiTS21は2019年に発売された最初のエディションの続編であり、チャレンジの設計方法に様々な革新が加えられている。 トップパフォーマンスのチームは、2019年のアートセットの状況よりも大幅に改善され、このパフォーマンスは人間レベルのパフォーマンスに近いことが示されています。
• 参考スコア（独自算出の注目度）: 50.41526598153698
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents the challenge report for the 2021 Kidney and Kidney Tumor Segmentation Challenge (KiTS21) held in conjunction with the 2021 international conference on Medical Image Computing and Computer Assisted Interventions (MICCAI). KiTS21 is a sequel to its first edition in 2019, and it features a variety of innovations in how the challenge was designed, in addition to a larger dataset. A novel annotation method was used to collect three separate annotations for each region of interest, and these annotations were performed in a fully transparent setting using a web-based annotation tool. Further, the KiTS21 test set was collected from an outside institution, challenging participants to develop methods that generalize well to new populations. Nonetheless, the top-performing teams achieved a significant improvement over the state of the art set in 2019, and this performance is shown to inch ever closer to human-level performance. An in-depth meta-analysis is presented describing which methods were used and how they faired on the leaderboard, as well as the characteristics of which cases generally saw good performance, and which did not. Overall KiTS21 facilitated a significant advancement in the state of the art in kidney tumor segmentation, and provides useful insights that are applicable to the field of semantic segmentation as a whole.
• Abstract（参考訳）: 本稿では,2021年医学画像処理及びコンピュータ支援介入に関する国際会議(miccai)とともに開催されている2021年腎臓腫瘍分画チャレンジ(kits21)の課題報告について述べる。 KiTS21は2019年の最初のエディションの続編で、大きなデータセットに加えて、チャレンジの設計方法に関するさまざまなイノベーションが特徴だ。 関心領域ごとに3つのアノテーションを別々に収集するために新しいアノテーション手法が用いられ、これらのアノテーションはWebベースのアノテーションツールを用いて完全に透明な設定で実行された。 さらに、KiTS21テストセットは外部機関から収集され、参加者が新しい人口によく適応する手法を開発するよう挑戦した。 それでも、トップパフォーマンスのチームは、2019年のアートセットの状況よりも大幅に改善され、このパフォーマンスは人間レベルのパフォーマンスにずっと近いことが示されています。 詳細なメタ分析を行い、どの手法が使われたか、リーダーボードでどのようにフェアにされたか、そして、どのケースが一般的に良いパフォーマンスを示し、どれが役に立たなかったかについて説明した。 全体として、KiTS21は腎臓腫瘍のセグメンテーションにおける最先端の進歩を促進し、セグメンテーション全体の分野に適用可能な有用な洞察を提供する。

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)
• ZePT: Zero-Shot Pan-Tumor Segmentation via Query-Disentangling and Self-Prompting [11.087654014615955]
  問合せと自己プロンプトに基づく新しいゼロショットパン腫瘍セグメンテーションフレームワーク(ZePT)を提案する。 ZePTはオブジェクトクエリを2つのサブセットに切り離し、2つのステージでトレーニングする。 腫瘍セグメンテーションタスクの実験は、ZePTの性能上の優位性を示す。
  論文  参考訳（メタデータ） (2023-12-07T12:09:56Z)
• Hierarchical Audio-Visual Information Fusion with Multi-label Joint Decoding for MER 2023 [51.95161901441527]
  本稿では,離散的感情と次元的感情の両方を認識するための新しい枠組みを提案する。 基礎モデルから抽出した深い特徴は、生ビデオの頑健な音響的および視覚的表現として使用される。 我々の最終システムは最先端のパフォーマンスを達成し、MER-MULTIサブチャレンジのリーダーボードで3位にランクインする。
  論文  参考訳（メタデータ） (2023-09-11T03:19:10Z)
• UNet-2022: Exploring Dynamics in Non-isomorphic Architecture [52.04899592688968]
  単純並列化による自己意図と畳み込みの利点を生かした並列非同型ブロックを提案する。 得られたU字型セグメンテーションモデルをUNet-2022と呼ぶ。 実験では、UNet-2022は明らかにレンジセグメンテーションタスクにおいてその性能を上回っている。
  論文  参考訳（メタデータ） (2022-10-27T16:00:04Z)
• 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)
• Redundancy Reduction in Semantic Segmentation of 3D Brain Tumor MRIs [2.946960157989204]
  この研究は、摂動下での冗長性を最小化するネットワークトレーニングプロセスの修正である。 腫瘍コア, 腫瘍コア, 全腫瘍に対して, 0.8600, 0.8868, 0.9265平均ダイスを得た。 私たちのチーム(NVAUTO)の応募は、ETとTCのスコアで上位10チーム、WTのスコアで上位10チームだった。
  論文  参考訳（メタデータ） (2021-11-01T07:39:06Z)
• The Federated Tumor Segmentation (FeTS) Challenge [4.694856527778264]
  この写本は、連合学習の最初の挑戦、すなわちfederated tumor (fets) challenge 2021について記述している。 FeTS 2021チャレンジは、BraTS 2020チャレンジからの臨床的に取得された多施設磁気共鳴イメージング(MRI)スキャンと、さまざまな遠隔独立機関を使用しています。 fetsチャレンジのゴールは、1)コンセンサスモデルのトレーニングに向けた最適重み集約アプローチの同定、2)脳腫瘍セグメンテーションモデルの「野生」における一般化可能性の評価という2つのタスクによって直接表現される。
  論文  参考訳（メタデータ） (2021-05-12T18:00:20Z)
• 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)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。