Fugu-MT 論文翻訳(概要): Automated 3D Segmentation of Kidneys and Tumors in MICCAI KiTS 2023 Challenge

論文の概要: Automated 3D Segmentation of Kidneys and Tumors in MICCAI KiTS 2023 Challenge

arxiv url: http://arxiv.org/abs/2310.04110v1
Date: Fri, 6 Oct 2023 09:20:22 GMT
ステータス: 処理完了
システム内更新日: 2023-10-09 23:07:28.652140
Title: Automated 3D Segmentation of Kidneys and Tumors in MICCAI KiTS 2023 Challenge
Title（参考訳）: MICCAI KiTS 2023 チャレンジにおける腎臓と腫瘍の自動3次元分割
Authors: Andriy Myronenko, Dong Yang, Yufan He, Daguang Xu
Abstract要約: 我々は2023年のKidney and Kidney tumor Challenge(KiTS)に応募した。我々の解は0.835のディスと0.723のサーフェスを達成し、KiTS 2023チャレンジで優勝した。
参考スコア（独自算出の注目度）: 11.820386742605539
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Kidney and Kidney Tumor Segmentation Challenge (KiTS) 2023 offers a platform for researchers to compare their solutions to segmentation from 3D CT. In this work, we describe our submission to the challenge using automated segmentation of Auto3DSeg available in MONAI. Our solution achieves the average dice of 0.835 and surface dice of 0.723, which ranks first and wins the KiTS 2023 challenge.
Abstract（参考訳）: Kidney and Kidney tumor Segmentation Challenge (KiTS) 2023は、研究者が3D CTのセグメンテーションとソリューションを比較するためのプラットフォームを提供する。本稿では, monAI で利用可能な Auto3DSeg の自動セグメンテーションによる課題について述べる。この解は平均0.835サイコロと0.723サイコロを達成し、第1位でキット2023チャレンジに勝利した。

関連論文リスト

Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks [62.443665295250035]
第2023回中国影響コンピューティング会議(CCAC 2023)におけるAI-Debater 2023チャレンジの結果を提示する。合計で32のチームがチャレンジに登録し、そこから11の応募をもらいました。
論文参考訳（メタデータ） (2024-07-20T10:13:54Z)
The Third Monocular Depth Estimation Challenge [134.16634233789776]
本稿では,モノクロ深度推定チャレンジ(MDEC)の第3版の結果について述べる。この課題は、自然と屋内の複雑なシーンを特徴とする、挑戦的なSynS-Patchesデータセットへのゼロショットの一般化に焦点を当てている。挑戦者は17.51%から23.72%の3D Fスコアのパフォーマンスを大幅に改善した。
論文参考訳（メタデータ） (2024-04-25T17:59:59Z)
Exploring 3D U-Net Training Configurations and Post-Processing Strategies for the MICCAI 2023 Kidney and Tumor Segmentation Challenge [16.189621599350684]
2023年には81,800人の腎臓がんが新たに診断され、米国では14,890人がこのがんで死亡すると推定されている。腎腫瘍と腎腫瘍の像の特徴に微妙な違いがあるため、サーバ間変動が存在する。
論文参考訳（メタデータ） (2023-12-09T10:42:50Z)
The KiTS21 Challenge: Automatic segmentation of kidneys, renal tumors, and renal cysts in corticomedullary-phase CT [50.41526598153698]
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。
論文参考訳（メタデータ） (2023-07-05T02:00:14Z)
The STOIC2021 COVID-19 AI challenge: applying reusable training methodologies to private data [60.94672667514737]
本研究は、プライベートデータ上でのトレーニングソリューションを可能にするType Three (T3)チャレンジフォーマットを実装した。 T3では、チャレンジオーガナイザが参加者の提供するトレーニングデータに基づいてトレーニングを行う。勝利解は、重篤なCOVID-19と非重症なCOVID-19(0.815)の鑑別のために、受信機動作特性曲線の下にある領域を得た。
論文参考訳（メタデータ） (2023-06-18T05:48:28Z)
Automated head and neck tumor segmentation from 3D PET/CT [9.814838162752112]
HECKTOR (Head and neck tumor segmentation Challenge) 2022は、3D CTおよびPET画像から腫瘍とリンパ節のセグメンテーションの解決策を比較するためのプラットフォームを提供する。すべての画像を共通の解像度に再サンプリングし、頭と首の領域をトリミングし、MONAIからSegResNetセマンティックセマンティックセグメンテーションネットワークをトレーニングします。 HECKTOR22チャレンジリーダーボードの総合スコアは0.78802である。
論文参考訳（メタデータ） (2022-09-22T06:24:09Z)
Automated segmentation of intracranial hemorrhages from 3D CT [9.814838162752114]
頭蓋内出血セグメンテーションチャレンジ(INSTANCE 2022)は、研究者が3次元CTからの出血脳梗塞領域のセグメンテーションに対する解決策を比較するためのプラットフォームを提供する。 2DセグメンテーションネットワークであるMONAIのSegResNetを使い、再サンプリングせずにスライス的に動作します。
論文参考訳（メタデータ） (2022-09-21T20:37:32Z)
Automated ischemic stroke lesion segmentation from 3D MRI [8.52488593202588]
Ischemic Stroke Lesion Challenge (ISLES 2022)は、研究者がソリューションを3D MRIから虚血脳梗塞領域の3Dセグメンテーションと比較するためのプラットフォームを提供する。我々は、すべての画像を共通の解像度に再サンプリングし、2つのMRIモード(DWIとADC)を使用し、MONAIからSegResNetセマンティックセマンティックセグメンテーションネットワークを訓練する。
論文参考訳（メタデータ） (2022-09-20T08:21:57Z)
Optimized U-Net for Brain Tumor Segmentation [62.997667081978825]
そこで我々はBraTS21 Challengeにおいて,脳腫瘍分割タスクのための最適化されたU-Netアーキテクチャを提案する。我々の解は挑戦検証フェーズの勝者であり、正規化統計スコアは0.267、平均Diceスコアは0.8855であった。
論文参考訳（メタデータ） (2021-10-07T11:44:09Z)
SHARP 2020: The 1st Shape Recovery from Partial Textured 3D Scans Challenge Results [90.42321856720633]
SHARP 2020は、生の不完全なデータから完全なテクスチャ化された3Dスキャンを復元するための、最初の挑戦とベンチマーク手法である。補完的な課題は2つあり、ひとつは3Dスキャンで、もうひとつはジェネリックオブジェクトでである。形状復元, テクスチャ再構築, 完成したデータの量とを共同で定量化するために, 新たな評価基準を提案する。
論文参考訳（メタデータ） (2020-10-26T12:05:56Z)

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。