Fugu-MT 論文翻訳(概要): Aorta Segmentation from 3D CT in MICCAI SEG.A. 2023 Challenge

論文の概要: Aorta Segmentation from 3D CT in MICCAI SEG.A. 2023 Challenge

arxiv url: http://arxiv.org/abs/2310.04114v1
Date: Fri, 6 Oct 2023 09:26:09 GMT
ステータス: 処理完了
システム内更新日: 2023-10-09 20:58:24.193061
Title: Aorta Segmentation from 3D CT in MICCAI SEG.A. 2023 Challenge
Title（参考訳）: MICCAI SEG.Aにおける3次元CTからの大動脈切開 2023年チャレンジ
Authors: Andriy Myronenko, Dong Yang, Yufan He, Daguang Xu
Abstract要約: 我々の解は、ハウスドルフ距離(HD95)の平均Diceスコア0.920と95番目のパーセンタイル6.013を達成し、SEG.A.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: Aorta provides the main blood supply of the body. Screening of aorta with imaging helps for early aortic disease detection and monitoring. In this work, we describe our solution to the Segmentation of the Aorta (SEG.A.231) from 3D CT challenge. We use automated segmentation method Auto3DSeg available in MONAI. Our solution achieves an average Dice score of 0.920 and 95th percentile of the Hausdorff Distance (HD95) of 6.013, which ranks first and wins the SEG.A. 2023 challenge.
Abstract（参考訳）: 大動脈は体の主な血液供給源である。画像による大動脈のスクリーニングは早期大動脈疾患の検出とモニタリングに役立つ。本研究では,3次元CTの課題からAortaのセグメンテーション(SEG.A.231)について述べる。 MonoAI で利用可能な Auto3DSeg の自動セグメンテーション手法を用いている。我々の解は、ハウスドルフ距離(HD95)の平均Diceスコア0.920と95%のパーセンタイル6.013を達成し、SEG.Aに勝利した。 2023年挑戦。

関連論文リスト

Sequence-aware Pre-training for Echocardiography Probe Guidance [66.35766658717205]
心臓超音波は、(1)心臓の本質的に複雑な構造、(2)重要な個人差の2つの大きな課題に直面している。これまでの研究は、心臓のパーソナライズされた構造的特徴よりも、心臓の2Dおよび3Dの人口平均構造についてしか学ばなかった。パーソナライズされた2次元と3次元の心構造特徴を学習するためのシーケンス認識型自己教師付き事前学習法を提案する。
論文参考訳（メタデータ） (2024-08-27T12:55:54Z)
YOLO-Angio: An Algorithm for Coronary Anatomy Segmentation [13.603729336413833]
われわれは,MICCAI 2023におけるX線アンギオグラフィー画像(ARCADE)を用いた自動冠状動脈疾患診断への取り組みについて報告する。我々の3段階のアプローチは、従来のコンピュータビジョンによる前処理と特徴選択を組み合わせて、船体コントラストを強化する。最終セグメンテーションは、グラフベースのソート法で冠状樹を再構築する論理に基づくアプローチに基づいている。
論文参考訳（メタデータ） (2023-10-24T15:02:02Z)
Segmentation of Aortic Vessel Tree in CT Scans with Deep Fully Convolutional Networks [4.062948258086793]
大動脈疾患の早期発見,診断,予後には,CTスキャンによる大動脈血管木の自動的,正確な分画が不可欠である。我々は2段階の完全畳み込みネットワーク(FCN)を用いて、複数のセンターからスキャン中のAVTを自動的に分割する。
論文参考訳（メタデータ） (2023-05-16T22:24:01Z)
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)
FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
論文参考訳（メタデータ） (2022-06-24T23:44:42Z)
Exploring Large Context for Cerebral Aneurysm Segmentation [11.684455292186046]
本論文では、MICCAI 2020 CADAチャレンジにおける動脈瘤分割法の主な技術詳細について概説する。主な貢献は、大きなパッチサイズで3D U-Netを設定し、大きなコンテキストを取得できることです。提案手法はMICCAI 2020 CADAテストデータセットで2位,平均ジャカードは0.7593である。
論文参考訳（メタデータ） (2020-12-30T12:51:43Z)
M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文参考訳（メタデータ） (2020-10-07T06:22:24Z)
Multiple resolution residual network for automatic thoracic organs-at-risk segmentation from CT [2.9023633922848586]
我々は,CT画像からのOAR分割のためのMRRN(Multiple resolution residual Network)の実装と評価を行った。提案手法は,複数画像解像度で計算された特徴ストリームと残差接続による特徴レベルを同時に組み合わせる。左肺, 心臓, 食道, 脊髄を分画する検査を35回行った肺がん患者206例の胸部CT検査を用いて, アプローチを訓練した。
論文参考訳（メタデータ） (2020-05-27T22:39:09Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)
A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。技術および生物学的指標を用いた提案アルゴリズムの解析を行った。その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文参考訳（メタデータ） (2020-04-26T08:49:17Z)
Volumetric Attention for 3D Medical Image Segmentation and Detection [53.041572035020344]
3次元医用画像のセグメンテーションと検出のためのボリュームアテンション(VA)モジュールを提案する。 VAアテンションはビデオ処理の最近の進歩にインスパイアされ、2.5Dネットワークはz方向のコンテキスト情報を活用することができる。そのMask R-CNNへの統合は、肝腫瘍(LiTS)チャレンジにおける最先端のパフォーマンスを可能にすることが示されている。
論文参考訳（メタデータ） (2020-04-04T18:55:06Z)

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。