論文の概要: BeSt-LeS: Benchmarking Stroke Lesion Segmentation using Deep Supervision
- arxiv url: http://arxiv.org/abs/2310.07060v1
- Date: Tue, 10 Oct 2023 22:54:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-13 08:00:14.244034
- Title: BeSt-LeS: Benchmarking Stroke Lesion Segmentation using Deep Supervision
- Title(参考訳): BeSt-LeS:Deep Supervision を用いたストローク病変セグメンテーションのベンチマーク
- Authors: Prantik Deb, Lalith Bharadwaj Baru, Kamalaker Dadi and Bapi Raju S
- Abstract要約: 我々は、様々なエンドツーエンドの教師付きU-Netスタイルモデルをベンチマークするために、公開データセットATLAS $v2.0$を考える。
具体的には、2Dと3Dの両方の脳画像のモデルをベンチマークし、標準メトリクスを用いて評価した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Brain stroke has become a significant burden on global health and thus we
need remedies and prevention strategies to overcome this challenge. For this,
the immediate identification of stroke and risk stratification is the primary
task for clinicians. To aid expert clinicians, automated segmentation models
are crucial. In this work, we consider the publicly available dataset ATLAS
$v2.0$ to benchmark various end-to-end supervised U-Net style models.
Specifically, we have benchmarked models on both 2D and 3D brain images and
evaluated them using standard metrics. We have achieved the highest Dice score
of 0.583 on the 2D transformer-based model and 0.504 on the 3D residual U-Net
respectively. We have conducted the Wilcoxon test for 3D models to correlate
the relationship between predicted and actual stroke volume. For
reproducibility, the code and model weights are made publicly available:
https://github.com/prantik-pdeb/BeSt-LeS.
- Abstract(参考訳): 脳卒中は世界の健康に大きな負担となり、この課題を克服するには治療と予防戦略が必要です。
このため、脳卒中とリスク階層の即時識別は臨床医にとって重要な課題である。
専門医を助けるためには、自動セグメンテーションモデルが不可欠である。
本研究では,様々なエンドツーエンドの教師付きU-Netスタイルモデルをベンチマークするために,ATLAS $v2.0$の公開データセットを検討する。
具体的には,2次元および3次元脳画像のベンチマークモデルを作成し,標準測定値を用いて評価した。
2次元変圧器モデルでは0.583, 3次元残差U-Netでは0.504であった。
予測量と実際の脳卒中量の関係を関連付けるために,3dモデルに対するウィルコクソンテストを実施した。
再現性のために、コードとモデルの重み付けは、https://github.com/prantik-pdeb/BeSt-LeS.orgで公開されている。
関連論文リスト
- FILP-3D: Enhancing 3D Few-shot Class-incremental Learning with
Pre-trained Vision-Language Models [62.663113296987085]
クラス増分学習(class-incremental learning)は、モデルが限られたデータに基づいて漸進的にトレーニングされている場合、破滅的な忘れの問題を軽減することを目的としている。
冗長特徴除去器(RFE)と空間ノイズ補償器(SNC)の2つの新しいコンポーネントを紹介する。
既存の3次元データセットの不均衡を考慮し、3次元FSCILモデルのより微妙な評価を提供する新しい評価指標を提案する。
論文 参考訳(メタデータ) (2023-12-28T14:52:07Z) - Image-level supervision and self-training for transformer-based
cross-modality tumor segmentation [2.29206349318258]
そこで本研究では,MoDATTSと呼ばれる半教師付きトレーニング戦略を提案する。
MoDATTSは、未実装のバイモーダルデータセット上の正確な3D腫瘍セグメンテーションのために設計されている。
この最大性能の99%と100%は、目標データの20%と50%が注釈付きであれば達成できると報告している。
論文 参考訳(メタデータ) (2023-09-17T11:50:12Z) - Uncertainty-Aware Semi-Supervised Learning for Prostate MRI Zonal
Segmentation [0.9176056742068814]
比較的少数のアノテーションしか必要としない新しい半教師付き学習(SSL)手法を提案する。
提案手法は,近年の深層学習の不確実性推定モデルを用いた擬似ラベル手法を用いる。
提案モデルは,ProstateXデータセットと外部テストセットを用いた実験において,半教師付きモデルよりも優れていた。
論文 参考訳(メタデータ) (2023-05-10T08:50:04Z) - Continuous time recurrent neural networks: overview and application to
forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。
重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文 参考訳(メタデータ) (2023-04-14T09:39:06Z) - Part-Based Models Improve Adversarial Robustness [57.699029966800644]
人間の事前知識とエンドツーエンドの学習を組み合わせることで、ディープニューラルネットワークの堅牢性を向上させることができることを示す。
我々のモデルは、部分分割モデルと小さな分類器を組み合わせて、オブジェクトを同時に部品に分割するようにエンドツーエンドに訓練されている。
実験の結果,これらのモデルによりテクスチャバイアスが低減され,一般的な汚職に対する堅牢性が向上し,相関が急上昇することが示唆された。
論文 参考訳(メタデータ) (2022-09-15T15:41:47Z) - IterMiUnet: A lightweight architecture for automatic blood vessel
segmentation [10.538564380139483]
本稿では,新しい軽量畳み込み型セグメンテーションモデルであるIterMiUnetを提案する。
MiUnetモデルのエンコーダ・デコーダ構造を組み込むことで、その非常にパラメトリズドな性質を克服する。
提案モデルは,多くの疾患の早期診断のためのツールとして活用される可能性が大きい。
論文 参考訳(メタデータ) (2022-08-02T14:33:14Z) - Recovering 3D Human Mesh from Monocular Images: A Survey [49.00136388529404]
単眼画像から人間のポーズと形状を推定することは、コンピュータビジョンにおける長年の問題である。
本調査は, 単分子型3次元メッシュ回収の課題に焦点を当てた。
論文 参考訳(メタデータ) (2022-03-03T18:56:08Z) - Automated Model Design and Benchmarking of 3D Deep Learning Models for
COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。
また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文 参考訳(メタデータ) (2021-01-14T03:45:01Z) - SA-Det3D: Self-Attention Based Context-Aware 3D Object Detection [9.924083358178239]
本稿では,3次元物体検出におけるコンテキストモデリングのための2種類の自己注意法を提案する。
まず,現状のbev,voxel,ポイントベース検出器にペアワイズ自着機構を組み込む。
次に,ランダムにサンプリングされた位置の変形を学習することにより,最も代表的な特徴のサブセットをサンプリングするセルフアテンション変種を提案する。
論文 参考訳(メタデータ) (2021-01-07T18:30:32Z) - Uniformizing Techniques to Process CT scans with 3D CNNs for
Tuberculosis Prediction [5.270882613122642]
深部2次元畳み込みニューラルネットワーク(CNN)を用いたボリュームデータにおける医用画像解析への共通アプローチ
個々のスライスを2D CNNで独立に扱うと、意図したタスクのパフォーマンスが低下する深度情報を意図的に破棄する。
上記の問題に対処するためのボリューム均一化手法のセットを評価する。
画像情報のみを活用する全手法に勝るテストセットに対して,曲線下面積 (AUC) と二分分類精度 (ACC) を67.5%と報告した。
論文 参考訳(メタデータ) (2020-07-26T21:53:47Z) - Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。
また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
論文 参考訳(メタデータ) (2020-07-09T13:23:15Z)
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。