論文の概要: AATCT-IDS: A Benchmark Abdominal Adipose Tissue CT Image Dataset for
Image Denoising, Semantic Segmentation, and Radiomics Evaluation
- arxiv url: http://arxiv.org/abs/2308.08172v1
- Date: Wed, 16 Aug 2023 07:02:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-17 14:44:53.846359
- Title: AATCT-IDS: A Benchmark Abdominal Adipose Tissue CT Image Dataset for
Image Denoising, Semantic Segmentation, and Radiomics Evaluation
- Title（参考訳）: AATCT-IDS:画像デノイング,セマンティックセグメンテーション,放射線検査のための腹部CT画像データセット
- Authors: Zhiyu Ma, Chen Li, Tianming Du, Le Zhang, Dechao Tang, Deguo Ma,
Shanchuan Huang, Yan Liu, Yihao Sun, Zhihao Chen, Jin Yuan, Qianqing Nie,
Marcin Grzegorzek, Hongzan Sun
- Abstract要約: 本稿では,ATTCT-IDSにおける各種手法の性能を比較し,解析する。
このオープンソースのデータセットは、腹部脂肪組織の多次元的特徴を探るために研究者を惹きつけることができる。
- 参考スコア（独自算出の注目度）: 12.28273489510472
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Methods: In this study, a benchmark \emph{Abdominal Adipose Tissue CT Image
Dataset} (AATTCT-IDS) containing 300 subjects is prepared and published.
AATTCT-IDS publics 13,732 raw CT slices, and the researchers individually
annotate the subcutaneous and visceral adipose tissue regions of 3,213 of those
slices that have the same slice distance to validate denoising methods, train
semantic segmentation models, and study radiomics. For different tasks, this
paper compares and analyzes the performance of various methods on AATTCT-IDS by
combining the visualization results and evaluation data. Thus, verify the
research potential of this data set in the above three types of tasks.
Results: In the comparative study of image denoising, algorithms using a
smoothing strategy suppress mixed noise at the expense of image details and
obtain better evaluation data. Methods such as BM3D preserve the original image
structure better, although the evaluation data are slightly lower. The results
show significant differences among them. In the comparative study of semantic
segmentation of abdominal adipose tissue, the segmentation results of adipose
tissue by each model show different structural characteristics. Among them,
BiSeNet obtains segmentation results only slightly inferior to U-Net with the
shortest training time and effectively separates small and isolated adipose
tissue. In addition, the radiomics study based on AATTCT-IDS reveals three
adipose distributions in the subject population.
Conclusion: AATTCT-IDS contains the ground truth of adipose tissue regions in
abdominal CT slices. This open-source dataset can attract researchers to
explore the multi-dimensional characteristics of abdominal adipose tissue and
thus help physicians and patients in clinical practice. AATCT-IDS is freely
published for non-commercial purpose at:
\url{https://figshare.com/articles/dataset/AATTCT-IDS/23807256}.
- Abstract（参考訳）: 方法:本研究では,300名の被験者を対象とするベンチマーク「Abdominal Adipose tissue CT Image Dataset}」(AATTCT-IDS)を作成し,公開する。
AATTCT-IDSは、13,732個の生CTスライスを公開し、研究者は、同一スライス距離の3,213個の皮下組織と内臓組織を個別にアノテートし、デノナイズ法、セグメンテーションモデルを訓練し、放射線学を研究する。
本稿では,AATTCT-IDSにおける各種手法の性能を可視化結果と評価データを組み合わせて比較,解析する。
したがって、上記の3種類のタスクにおいて、このデータセットの研究可能性を検証する。
結果: 画像復調法の比較研究において, 平滑化戦略を用いたアルゴリズムは, 画像の詳細を犠牲にして混合雑音を抑制し, より良い評価データを得る。
BM3Dのような手法は、評価データはわずかに低いが、元の画像構造をより良く保存する。
その結果,両群間に有意差が認められた。
腹部脂肪組織のセグメンテーションに関する比較研究では,各モデルによる脂肪組織のセグメンテーション結果が異なる構造的特徴を示した。
中でもBiSeNetは、トレーニング時間が最も短いU-Netよりもわずかに劣るセグメンテーション結果を取得し、小さくて孤立した脂肪組織を効果的に分離する。
さらに, AATTCT-IDSに基づく放射能調査では, 被検体の3つの分布が明らかになった。
結論: AATTCT-IDSは腹部CTスライス中の脂肪組織領域の基礎的真実を含む。
このオープンソースのデータセットは、研究者を惹きつけ、腹部脂肪組織の多次元的特徴を探求し、臨床実習における医師や患者を助ける。
AATCT-IDSは、以下の非商用目的のために無料で公開されている。
関連論文リスト
- Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - Mediastinal Lymph Node Detection and Segmentation Using Deep Learning [1.7188280334580195]
臨床ではCT(Computed tomography)とPET(positron emission tomography)が異常リンパ節(LN)を検出する
深層畳み込みニューラルネットワークは、しばしば医療写真にアイテムを分割する。
良質な深層学習手法であるUNetは、縦隔リンパ節の分節と検出のための戦略に基づいて、双線形および全一般化変異(TGV)を用いて修正された。
修正されたUNetはテクスチャの不連続を維持し、ノイズの多い領域を選択し、バックプロパゲーションを通じて適切なバランスポイントを検索し、画像の解像度を再現する。
論文 参考訳（メタデータ） (2022-11-24T02:55:20Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2022-03-29T08:41:17Z) - 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) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳（メタデータ） (2020-10-19T13:56:22Z) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳（メタデータ） (2020-09-10T01:57:53Z) - Implanting Synthetic Lesions for Improving Liver Lesion Segmentation in
CT Exams [0.0]
我々は,CTスライスに現実的な病変を移植し,リッチで制御可能なトレーニングサンプルセットを提供する。
以上の結果から,CTスライスにおける肝病変の分節モデルの性能向上が示唆された。
論文 参考訳（メタデータ） (2020-08-11T13:23:04Z) - Co-Heterogeneous and Adaptive Segmentation from Multi-Source and
Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion
Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。
本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。
CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文 参考訳（メタデータ） (2020-05-27T06:58:39Z) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z) - A$^3$DSegNet: Anatomy-aware artifact disentanglement and segmentation
network for unpaired segmentation, artifact reduction, and modality
translation [18.500206499468902]
CBCT画像は, ノイズ, 組織コントラストの低下, 金属物の存在により, 品質が低く, 人工物が混入している。
脊椎のアノテーションを付加した、人工物のない高品質なCT画像が豊富に存在する。
CBCT椎体分割モデルの構築には, アノテーションを付加した未確認CT画像が有用である。
論文 参考訳（メタデータ） (2020-01-02T06:37:09Z)
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。