Fugu-MT 論文翻訳(概要): PHE-SICH-CT-IDS: A Benchmark CT Image Dataset for Evaluation Semantic Segmentation, Object Detection and Radiomic Feature Extraction of Perihematomal Edema in Spontaneous Intracerebral Hemorrhage

論文の概要: PHE-SICH-CT-IDS: A Benchmark CT Image Dataset for Evaluation Semantic Segmentation, Object Detection and Radiomic Feature Extraction of Perihematomal Edema in Spontaneous Intracerebral Hemorrhage

arxiv url: http://arxiv.org/abs/2308.10521v1
Date: Mon, 21 Aug 2023 07:18:51 GMT
ステータス: 処理完了
システム内更新日: 2023-08-22 14:37:44.691179
Title: PHE-SICH-CT-IDS: A Benchmark CT Image Dataset for Evaluation Semantic Segmentation, Object Detection and Radiomic Feature Extraction of Perihematomal Edema in Spontaneous Intracerebral Hemorrhage
Title（参考訳）: PHE-SICH-CT-IDS : 自然発症脳内出血におけるセマンティックセグメンテーション, 物体検出, 放射線学的特徴抽出のためのベンチマークCTデータセット
Authors: Deguo Ma, Chen Li, Lin Qiao, Tianming Du, Dechao Tang, Zhiyu Ma, Marcin Grzegorzek Hongzan, Hongzan Sun
Abstract要約: 脳内出血は、世界で最も死亡率が高く、予後不良な疾患の1つである。 PHE-SICH-CT-IDSと命名したCTデータセットを,脳内自然出血に用いた。
参考スコア（独自算出の注目度）: 2.602118060856794
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Intracerebral hemorrhage is one of the diseases with the highest mortality and poorest prognosis worldwide. Spontaneous intracerebral hemorrhage (SICH) typically presents acutely, prompt and expedited radiological examination is crucial for diagnosis, localization, and quantification of the hemorrhage. Early detection and accurate segmentation of perihematomal edema (PHE) play a critical role in guiding appropriate clinical intervention and enhancing patient prognosis. However, the progress and assessment of computer-aided diagnostic methods for PHE segmentation and detection face challenges due to the scarcity of publicly accessible brain CT image datasets. This study establishes a publicly available CT dataset named PHE-SICH-CT-IDS for perihematomal edema in spontaneous intracerebral hemorrhage. The dataset comprises 120 brain CT scans and 7,022 CT images, along with corresponding medical information of the patients. To demonstrate its effectiveness, classical algorithms for semantic segmentation, object detection, and radiomic feature extraction are evaluated. The experimental results confirm the suitability of PHE-SICH-CT-IDS for assessing the performance of segmentation, detection and radiomic feature extraction methods. To the best of our knowledge, this is the first publicly available dataset for PHE in SICH, comprising various data formats suitable for applications across diverse medical scenarios. We believe that PHE-SICH-CT-IDS will allure researchers to explore novel algorithms, providing valuable support for clinicians and patients in the clinical setting. PHE-SICH-CT-IDS is freely published for non-commercial purpose at: https://figshare.com/articles/dataset/PHE-SICH-CT-IDS/23957937.
Abstract（参考訳）: 脳内出血は世界で最も死亡率が高く予後不良な疾患の一つである。特発性脳出血(sich)は,出血の診断,局所化,定量化に重要である。 PHE(perihematomal edema)の早期発見と正確なセグメンテーションは、適切な臨床介入を誘導し、患者の予後を高める上で重要な役割を担っている。しかし, PHE区分けと検出のためのコンピュータ支援診断法の進歩と評価は, 脳CT画像データセットの公開不足による課題に直面している。 PHE-SICH-CT-IDSと命名したCTデータセットを,脳内自然出血に用いた。データセットは、120の脳ctスキャンと、7,022のct画像と、対応する患者の医療情報とからなる。セマンティックセグメンテーション,オブジェクト検出,放射能特徴抽出のための古典的アルゴリズムの評価を行った。 PHE-SICH-CT-IDSのセグメンテーション, 検出, 放射能特徴抽出法の性能評価における妥当性を確認した。私たちの知る限りでは、SICHにおけるPHEのための最初の公開データセットであり、様々な医療シナリオにわたるアプリケーションに適したさまざまなデータフォーマットで構成されています。 PHE-SICH-CT-IDSは、研究者に新しいアルゴリズムを探索させ、臨床現場で臨床医や患者に貴重な支援を提供すると信じている。 https://figshare.com/articles/dataset/phe-sich-ct-ids/23957937。

関連論文リスト

Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文参考訳（メタデータ） (2024-10-31T19:48:50Z)
Detecting Underdiagnosed Medical Conditions with Deep Learning-Based Opportunistic CT Imaging [2.0635695607210227]
オポチュニティCTは、診断情報を抽出するために定期的なCT画像を再取得する。画像表現型とそれに対応する文書との相違点を明らかにするため,2,674個のCTスキャンを解析した。サルコニア,肝脂肪症,腹水と診断されたスキャンのわずか0.5%,3.2%,30.7%がICDで診断された。
論文参考訳（メタデータ） (2024-09-18T03:56:56Z)
CPAISD: Core-penumbra acute ischemic stroke dataset [0.0]
CPAISD: Core-Penumbra急性虚血ストロークデータセットは、虚血性脳梗塞の早期発見とセグメンテーションを強化することを目的としている。データセットは、セグメント化されたNCCTイメージのコレクションを提供する。これらには虚血コアとペナムブラ領域のアノテーションが含まれており、迅速な脳卒中同定と評価のための機械学習モデルの開発に不可欠である。我々のデータセットの特異性は、非インフォームティブなネイティブCTスキャンによる虚血性脳梗塞の急性期に焦点を当て、データセットの応用を実証するためのベースラインモデルを含んでいる。
論文参考訳（メタデータ） (2024-04-03T07:11:19Z)
Exploiting Liver CT scans in Colorectal Carcinoma genomics mutation classification [0.0]
本稿では,患者医用画像からの分類手法として,DeepLearningを用いた最初の探索法を提案する。本手法はCT画像からCRC RAS変異ファミリーを0.73F1スコアで同定できる。
論文参考訳（メタデータ） (2024-01-25T14:40:58Z)
Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文参考訳（メタデータ） (2023-11-18T14:52:26Z)
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)
APIS: A paired CT-MRI dataset for ischemic stroke segmentation challenge [0.0]
APISはNCCTとADCによる急性虚血性脳卒中患者の最初のペアデータセットである。第20回IEEE International Symposium on Biomedical Imaging 2023で発表された。すべてのチームが専門的なディープラーニングツールを使用しているにも関わらず、NCCTの虚血性脳卒中セグメンテーションタスクは依然として困難である。
論文参考訳（メタデータ） (2023-09-26T20:16:07Z)
UniToBrain dataset: a Brain Perfusion Dataset [2.02258267891574]
では、UniToBrainを紹介します。本稿では,画像処理と深層学習モデル開発のために,欧州のECVLとEDDLを用いたニューラルネットワークに基づく新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-08-01T07:16:02Z)
Exploring and Distilling Posterior and Prior Knowledge for Radiology Report Generation [55.00308939833555]
PPKEDには、Posterior Knowledge Explorer (PoKE), Prior Knowledge Explorer (PrKE), Multi-domain Knowledge Distiller (MKD)の3つのモジュールが含まれている。 PoKEは後部知識を探求し、視覚データのバイアスを軽減するために明確な異常な視覚領域を提供する。 PrKEは、以前の医学知識グラフ(医学知識)と以前の放射線学レポート(作業経験)から以前の知識を探り、テキストデータのバイアスを軽減する。
論文参考訳（メタデータ） (2021-06-13T11:10:02Z)
Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文参考訳（メタデータ） (2021-03-19T14:13:56Z)
COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文参考訳（メタデータ） (2020-09-08T15:49:55Z)

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。