論文の概要: APIS: A paired CT-MRI dataset for ischemic stroke segmentation challenge

• arxiv url: http://arxiv.org/abs/2309.15243v1
• Date: Tue, 26 Sep 2023 20:16:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-28 17:47:48.087216
• Title: APIS: A paired CT-MRI dataset for ischemic stroke segmentation challenge
• Title（参考訳）: APIS:虚血性脳卒中セグメンテーションのためのCT-MRIデータセット
• Authors: Santiago G\'omez, Daniel Mantilla, Gustavo Garz\'on, Edgar Rangel, Andr\'es Ortiz, Franklin Sierra-Jerez and Fabio Mart\'inez
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Stroke is the second leading cause of mortality worldwide. Immediate attention and diagnosis play a crucial role regarding patient prognosis. The key to diagnosis consists in localizing and delineating brain lesions. Standard stroke examination protocols include the initial evaluation from a non-contrast CT scan to discriminate between hemorrhage and ischemia. However, non-contrast CTs may lack sensitivity in detecting subtle ischemic changes in the acute phase. As a result, complementary diffusion-weighted MRI studies are captured to provide valuable insights, allowing to recover and quantify stroke lesions. This work introduced APIS, the first paired public dataset with NCCT and ADC studies of acute ischemic stroke patients. APIS was presented as a challenge at the 20th IEEE International Symposium on Biomedical Imaging 2023, where researchers were invited to propose new computational strategies that leverage paired data and deal with lesion segmentation over CT sequences. Despite all the teams employing specialized deep learning tools, the results suggest that the ischemic stroke segmentation task from NCCT remains challenging. The annotated dataset remains accessible to the public upon registration, inviting the scientific community to deal with stroke characterization from NCCT but guided with paired DWI information.
• Abstract（参考訳）: ストロークは世界で2番目に大きな死因である。 即時注意と診断は患者の予後に重要な役割を果たす。 診断の鍵は脳病変の局所化と脱線である。 標準的な脳卒中検査プロトコルには、出血と虚血を区別する非造影CTスキャンの初期評価が含まれる。 しかし、非コントラストctは急性期における微妙な虚血性変化を検出する感度に欠ける可能性がある。 その結果、相補的な拡散強調MRI研究が捉えられ、脳卒中病変の回復と定量化を可能にした。 この研究は、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APISを導入した。 第20回IEEE International Symposium on Biomedical Imaging 2023で、APISは課題として提示され、研究者はペア化されたデータを活用し、CTシークエンス上の病変のセグメンテーションを扱う新しい計算戦略を提案するよう依頼された。 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。 注釈付きデータセットは登録後も一般に公開されており、NCCTの脳卒中の特徴に対処するよう科学コミュニティに呼びかけるが、ペア化されたDWI情報でガイドされる。

関連論文リスト

• ISLES 2024: The first longitudinal multimodal multi-center real-world dataset in (sub-)acute stroke [2.7919032539697444]
  ストロークは世界的死亡率と死亡率の主要な原因であり、社会経済的重荷を負っている。 脳卒中画像から有意義で再現可能な脳機能のモデルを抽出できる機械学習アルゴリズムを開発する。 このデータセットは, 血管造影と灌流による急性CT像, 2～9日間の経過観察, 急性期, 慢性期の臨床データなど, 経時的脳梗塞の包括的データとして初めて提供された。
  論文  参考訳（メタデータ） (2024-08-20T18:59:52Z)
• 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)
• 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 [2.602118060856794]
  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。
  論文  参考訳（メタデータ） (2023-08-21T07:18:51Z)
• ISLES 2022: A multi-center magnetic resonance imaging stroke lesion segmentation dataset [36.278933802685316]
  このデータセットは、脳卒中病変の大きさ、量、位置の多様性が高い400のマルチベンダーMRI症例からなる。 n=250のトレーニングデータセットとn=150のテストデータセットに分けられる。 テストデータセットはモデル検証のみに使用され、一般にはリリースされない。
  論文  参考訳（メタデータ） (2022-06-14T08:54:40Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
  本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。 矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。 本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
  論文  参考訳（メタデータ） (2021-05-18T11:37:57Z)
• Multiple Sclerosis Lesion Analysis in Brain Magnetic Resonance Images: Techniques and Clinical Applications [22.410543483471915]
  多発性硬化症(MS)は、中枢神経系の慢性炎症性および変性疾患である。 伝統的に、MS病変は手動で2DMRIスライスに注釈付けされている。 深層学習技術は,ms病変分割タスクにおいて著しいブレークスルーを達成した。
  論文  参考訳（メタデータ） (2021-04-20T15:08:51Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• 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。