論文の概要: ECPC-IDS:A benchmark endometrail cancer PET/CT image dataset for
evaluation of semantic segmentation and detection of hypermetabolic regions
- arxiv url: http://arxiv.org/abs/2308.08313v3
- Date: Wed, 11 Oct 2023 13:55:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-16 03:22:43.719453
- Title: ECPC-IDS:A benchmark endometrail cancer PET/CT image dataset for
evaluation of semantic segmentation and detection of hypermetabolic regions
- Title（参考訳）: ECPC-IDS:超代謝領域のセグメンテーションと検出のためのベンチマーク内膜癌PET/CT画像データセット
- Authors: Dechao Tang, Tianming Du, Deguo Ma, Zhiyu Ma, Hongzan Sun, Marcin
Grzegorzek, Huiyan Jiang, Chen Li
- Abstract要約: 子宮内膜癌は女性の生殖系において最も一般的な腫瘍の1つである。
このデータセットは、多数の画像を持つ子宮内膜癌の最初の公開データセットである。
- 参考スコア（独自算出の注目度）: 7.420919215687338
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Endometrial cancer is one of the most common tumors in the female
reproductive system and is the third most common gynecological malignancy that
causes death after ovarian and cervical cancer. Early diagnosis can
significantly improve the 5-year survival rate of patients. With the
development of artificial intelligence, computer-assisted diagnosis plays an
increasingly important role in improving the accuracy and objectivity of
diagnosis, as well as reducing the workload of doctors. However, the absence of
publicly available endometrial cancer image datasets restricts the application
of computer-assisted diagnostic techniques.In this paper, a publicly available
Endometrial Cancer PET/CT Image Dataset for Evaluation of Semantic Segmentation
and Detection of Hypermetabolic Regions (ECPC-IDS) are published. Specifically,
the segmentation section includes PET and CT images, with a total of 7159
images in multiple formats. In order to prove the effectiveness of segmentation
methods on ECPC-IDS, five classical deep learning semantic segmentation methods
are selected to test the image segmentation task. The object detection section
also includes PET and CT images, with a total of 3579 images and XML files with
annotation information. Six deep learning methods are selected for experiments
on the detection task.This study conduct extensive experiments using deep
learning-based semantic segmentation and object detection methods to
demonstrate the differences between various methods on ECPC-IDS. As far as we
know, this is the first publicly available dataset of endometrial cancer with a
large number of multiple images, including a large amount of information
required for image and target detection. ECPC-IDS can aid researchers in
exploring new algorithms to enhance computer-assisted technology, benefiting
both clinical doctors and patients greatly.
- Abstract（参考訳）: 子宮内膜癌は女性の生殖系で最も一般的な腫瘍の1つであり、卵巣癌と子宮頸癌の後死を引き起こす3番目に一般的な婦人科悪性腫瘍である。
早期診断は5年生存率を大幅に向上させる。
人工知能の開発により、コンピュータ支援診断は診断の正確性と客観性を向上し、医師の作業量を減らす上で、ますます重要な役割を担っている。
しかし, 子宮内膜癌画像データセットの欠如は, コンピュータ支援診断技術の応用を制限している。本論文では, セマンティックセグメンテーション評価用PET/CT画像データセット(ECPC-IDS)を公表する。
具体的には、セグメンテーション部はPETおよびCT画像を含み、合計7159の画像を複数のフォーマットで表示する。
ECPC-IDSにおけるセグメンテーション手法の有効性を証明するため、画像セグメンテーションタスクをテストするために、5つの古典的なディープラーニングセグメンテーション手法を選択した。
オブジェクト検出部はまた、PETおよびCT画像を含み、合計3579の画像とアノテーション情報付きXMLファイルを含む。
本研究は、深層学習に基づくセマンティックセグメンテーションとオブジェクト検出手法を用いて、ECPC-IDSにおける様々な方法の違いを実証する広範囲な実験を行う。
われわれが知る限り、このデータセットは、多数の画像を持つ子宮内膜癌の最初の公開データセットであり、画像とターゲット検出に必要な大量の情報を含んでいる。
ecpc-idsは、研究者がコンピュータ支援技術を強化する新しいアルゴリズムを探求するのに役立つ。
関連論文リスト
- AI-based Automatic Segmentation of Prostate on Multi-modality Images: A Review [17.187976904150545]
前立腺癌患者の死亡率の低下には早期発見が不可欠である。
前立腺のセグメンテーションは、画像と前立腺の複雑な組織構造に欠陥があるため困難である。
最近の機械学習とデータマイニングツールは、画像セグメンテーションを含む様々な医療分野に統合されている。
論文 参考訳（メタデータ） (2024-07-09T07:36:18Z) - Cancer-Net PCa-Data: An Open-Source Benchmark Dataset for Prostate
Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging
Data [75.77035221531261]
Cancer-Net PCa-Dataは、PCa患者の画像データであるボリュームCDI$s$のオープンソースベンチマークデータセットである。
Cancer-Net PCa-Dataは、PCa用のCDI$s$画像データの最初の公開データセットである。
論文 参考訳（メタデータ） (2023-11-20T10:28:52Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Post-Hoc Explainability of BI-RADS Descriptors in a Multi-task Framework
for Breast Cancer Detection and Segmentation [48.08423125835335]
MT-BI-RADSは乳房超音波(BUS)画像における腫瘍検出のための新しい深層学習手法である。
放射線科医が腫瘍の悪性度を予測するための意思決定プロセスを理解するための3つのレベルの説明を提供する。
論文 参考訳（メタデータ） (2023-08-27T22:07:42Z) - CARE: A Large Scale CT Image Dataset and Clinical Applicable Benchmark
Model for Rectal Cancer Segmentation [8.728236864462302]
CT画像の直腸癌セグメンテーションは、タイムリーな臨床診断、放射線治療、経過観察において重要な役割を担っている。
これらの障害は直腸の複雑な解剖学的構造と直腸癌の鑑別診断の困難から生じる。
これらの課題に対処するため,本研究では,正常直腸と癌直腸の両方にピクセルレベルのアノテーションを付加した,新しい大規模直腸癌CT画像データセットCAREを導入する。
また,U-SAMと命名された新しい癌病変セグメンテーションベンチマークモデルを提案する。
このモデルは、迅速な情報を取り入れることで、腹部器官の複雑な解剖学的構造によって引き起こされる課題に対処するように設計されている。
論文 参考訳（メタデータ） (2023-08-16T10:51:27Z) - BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。
医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。
医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
論文 参考訳（メタデータ） (2023-06-20T20:23:46Z) - EBHI-Seg: A Novel Enteroscope Biopsy Histopathological Haematoxylin and
Eosin Image Dataset for Image Segmentation Tasks [21.17913442266469]
大腸癌は一般的な致死性悪性腫瘍であり、男性では4番目に多いがんであり、世界でも3番目に多いがんである。
直腸がんの組織学的画像分割のためのデータセットが欠如しており、診断にコンピュータ技術を使用する場合、しばしば評価精度を損なう。
このデータセットは、大腸癌の診断のための新しいセグメンテーションアルゴリズムを研究者に提供することができる。
論文 参考訳（メタデータ） (2022-12-01T14:37:12Z) - Lesion detection in contrast enhanced spectral mammography [0.0]
近年の乳房画像解析のためのニューラルネットワークモデルの出現は、コンピュータ支援診断における画期的な進歩である。
本研究は,CESMリコンビネート画像に対する深層学習に基づくコンピュータ支援診断開発を提案し,病変の検出と症例の分類を行う。
論文 参考訳（メタデータ） (2022-07-20T06:49:02Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z) - Learning from Suspected Target: Bootstrapping Performance for Breast
Cancer Detection in Mammography [6.323318523772466]
対象領域の選択と訓練を行う新しいサンプリング手順とともに,新しいトップ可能性損失を導入する。
まず,提案手法をプライベートな高密度マンモグラフィーデータセット上で検証する。
以上の結果から,本手法は偽陽性率を大幅に低減し,質量型癌検出では0.25倍の特異性を示した。
論文 参考訳（メタデータ） (2020-03-01T09:04:24Z)
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。