論文の概要: TRUSTED: The Paired 3D Transabdominal Ultrasound and CT Human Data for Kidney Segmentation and Registration Research

• arxiv url: http://arxiv.org/abs/2310.12646v1
• Date: Thu, 19 Oct 2023 11:09:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-20 15:47:23.989451
• Title: TRUSTED: The Paired 3D Transabdominal Ultrasound and CT Human Data for Kidney Segmentation and Registration Research
• Title（参考訳）: TRUSTED : 腎分離・登録研究のための3次元経腹部超音波とCT人物データ
• Authors: William Ndzimbong, Cyril Fourniol, Loic Themyr, Nicolas Thome, Yvonne Keeza, Beniot Sauer, Pierre-Thierry Piechaud, Arnaud Mejean, Jacques Marescaux, Daniel George, Didier Mutter, Alexandre Hostettler, and Toby Collins
• Abstract要約: 腹部超音波(US)データを用いたIMIR(Inter-modal Image registration)と画像分割は,多くの重要な臨床応用例である。 ヒト48例の経腹部3DUSとCT腎像を組み合わせたTRUSTED(Tridimensional Ultra Sound TomodEnsitometrie dataset)を提案する。
• 参考スコア（独自算出の注目度）: 42.90853857929316
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inter-modal image registration (IMIR) and image segmentation with abdominal Ultrasound (US) data has many important clinical applications, including image-guided surgery, automatic organ measurement and robotic navigation. However, research is severely limited by the lack of public datasets. We propose TRUSTED (the Tridimensional Renal Ultra Sound TomodEnsitometrie Dataset), comprising paired transabdominal 3DUS and CT kidney images from 48 human patients (96 kidneys), including segmentation, and anatomical landmark annotations by two experienced radiographers. Inter-rater segmentation agreement was over 94 (Dice score), and gold-standard segmentations were generated using the STAPLE algorithm. Seven anatomical landmarks were annotated, important for IMIR systems development and evaluation. To validate the dataset's utility, 5 competitive Deep Learning models for automatic kidney segmentation were benchmarked, yielding average DICE scores from 83.2% to 89.1% for CT, and 61.9% to 79.4% for US images. Three IMIR methods were benchmarked, and Coherent Point Drift performed best with an average Target Registration Error of 4.53mm. The TRUSTED dataset may be used freely researchers to develop and validate new segmentation and IMIR methods.
• Abstract（参考訳）: imir(inter-modal image registration)と腹部超音波(us)データによる画像分割は、画像誘導手術、自動臓器計測、ロボットナビゲーションなど、多くの重要な臨床応用がある。 しかし、研究は公開データセットの欠如によって厳しく制限されている。 そこで本研究では,48例のヒト(96腎)の経腹部3DUSとCT腎像を組み合わせたTRUSTED(Tridimensional Renal Ultra Sound TomodEnsitometrie Dataset)と,2例の経験的ラジオグラフィーによる解剖学的ランドマークアノテーションを提案する。 レータ間セグメンテーション契約は94以上(Dice score)で、STAPLEアルゴリズムを用いて金標準セグメンテーションを生成する。 7つの解剖学的ランドマークがアノテートされ、IMIRシステムの開発と評価に重要である。 データセットの有用性を検証するために、自動腎臓分割のための5つの競合するディープラーニングモデルがベンチマークされ、平均diceスコアは83.2%から89.1%、61.9%から79.4%となった。 3つのIMIR法がベンチマークされ、Coherent Point Driftは平均目標登録誤差4.53mmで最高の性能を示した。 TRUSTEDデータセットは、新しいセグメンテーションとIMIR法の開発と検証に自由に使用することができる。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• Topology and Intersection-Union Constrained Loss Function for Multi-Region Anatomical Segmentation in Ocular Images [5.628938375586146]
  眼筋無力症(OMG)は早期に発見される稀かつ困難な疾患である。 現在、この目的のために利用可能なデータセットやツールは存在しない。 我々は,小さなトレーニングデータセットを用いた性能向上を目的とした,新しいトポロジと共役制約付き損失関数(TIU損失)を提案する。
  論文  参考訳（メタデータ） (2024-11-01T13:17:18Z)
• TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
  本研究では,TotalSegmentatorをMR画像に拡張した。 このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。 このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
  論文  参考訳（メタデータ） (2024-05-29T20:15:54Z)
• M3BUNet: Mobile Mean Max UNet for Pancreas Segmentation on CT-Scans [25.636974007788986]
  我々は,M3BUNetを提案する。M3BUNetはMobileNetとU-Netニューラルネットワークの融合で,2段階に分けて膵CT像を段階的に分割する,新しい平均値(MM)アテンションを備える。 細かなセグメンテーションの段階では、ウェーブレット分解フィルタを用いてマルチインプット画像を作成することにより、膵のセグメンテーション性能が向上することがわかった。 提案手法は,最大89.53%のDice similarity Coefficient(DSC)値と最大81.16のIntersection Over Union(IOU)スコアをNIH pancreasデータセットで達成する。
  論文  参考訳（メタデータ） (2024-01-18T23:10:08Z)
• Kidney abnormality segmentation in thorax-abdomen CT scans [4.173079849880476]
  腎腺腫と腎異常を鑑別するための深層学習手法を提案する。 胸腹部CTで215例の造影CT検査を施行した。 Diceスコアが0.965, 0.947となり, 腎発作を2つの検体で分けた。
  論文  参考訳（メタデータ） (2023-09-06T22:04:07Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• Hierarchical 3D Feature Learning for Pancreas Segmentation [11.588903060674344]
  MRIとCTの両方から膵分画を自動化する3D完全畳み込み型深層ネットワークを提案する。 本モデルでは,Diceスコアが約88%と,既存のCT膵セグメンテーション法よりも優れていた。 さらなる制御実験により、達成された性能は、我々の3次元完全畳み込み深層ネットワークと階層的表現復号化の組み合わせによるものであることが示された。
  論文  参考訳（メタデータ） (2021-09-03T09:27:07Z)
• 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)
• Multi-Scale Supervised 3D U-Net for Kidneys and Kidney Tumor Segmentation [0.8397730500554047]
  腎腫瘍と腎腫瘍をCT画像から自動的に分離するマルチスケール3D U-Net(MSS U-Net)を提案する。 我々のアーキテクチャは、3次元U-Netトレーニング効率を高めるために、深い監視と指数対数損失を組み合わせる。 このアーキテクチャは、KiTS19パブリックデータセットのデータを使用した最先端の作業と比較して、優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2020-04-17T08:25:43Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。