論文の概要: AeroPath: An airway segmentation benchmark dataset with challenging pathology

• arxiv url: http://arxiv.org/abs/2311.01138v1
• Date: Thu, 2 Nov 2023 10:41:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-03 14:02:57.175483
• Title: AeroPath: An airway segmentation benchmark dataset with challenging pathology
• Title（参考訳）: AeroPath: 気道セグメンテーションのベンチマークデータセット
• Authors: Karen-Helene St{\o}verud, David Bouget, Andre Pedersen, H{\aa}kon Olav Leira, Thomas Lang{\o}, and Erlend Fagertun Hofstad
• Abstract要約: 肺気腫から大きな腫瘍まで,27枚のCT画像からなる新しいベンチマークデータセット(AeroPath)を導入する。 本稿では,自動気道セグメンテーションのためのマルチスケール核融合設計について述べる。ATM'22データセットでトレーニングし,AeroPathデータセットでテストし,競合するオープンソース手法に対してさらに評価した。 その結果,AeroPath データセットに含まれる全患者に対して,提案したアーキテクチャが位相的に正しいセグメンテーションを予測できた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To improve the prognosis of patients suffering from pulmonary diseases, such as lung cancer, early diagnosis and treatment are crucial. The analysis of CT images is invaluable for diagnosis, whereas high quality segmentation of the airway tree are required for intervention planning and live guidance during bronchoscopy. Recently, the Multi-domain Airway Tree Modeling (ATM'22) challenge released a large dataset, both enabling training of deep-learning based models and bringing substantial improvement of the state-of-the-art for the airway segmentation task. However, the ATM'22 dataset includes few patients with severe pathologies affecting the airway tree anatomy. In this study, we introduce a new public benchmark dataset (AeroPath), consisting of 27 CT images from patients with pathologies ranging from emphysema to large tumors, with corresponding trachea and bronchi annotations. Second, we present a multiscale fusion design for automatic airway segmentation. Models were trained on the ATM'22 dataset, tested on the AeroPath dataset, and further evaluated against competitive open-source methods. The same performance metrics as used in the ATM'22 challenge were used to benchmark the different considered approaches. Lastly, an open web application is developed, to easily test the proposed model on new data. The results demonstrated that our proposed architecture predicted topologically correct segmentations for all the patients included in the AeroPath dataset. The proposed method is robust and able to handle various anomalies, down to at least the fifth airway generation. In addition, the AeroPath dataset, featuring patients with challenging pathologies, will contribute to development of new state-of-the-art methods. The AeroPath dataset and the web application are made openly available.
• Abstract（参考訳）: 肺癌などの肺疾患に罹患する患者の予後を改善するために、早期診断及び治療が重要である。 CT画像の解析は診断に有用であり,気管支鏡検査の介入計画やライブガイダンスには気道木質の分画が必要である。 最近、マルチドメインairway tree modeling (atm'22) challengeは、ディープラーニングベースのモデルのトレーニングを可能にし、airwayセグメンテーションタスクの最先端の大幅な改善をもたらす、大きなデータセットをリリースした。 しかし、ATM'22データセットには、気道木解剖に影響を及ぼす重症疾患の患者はほとんど含まれていない。 そこで本研究では,気腫から大腫瘍まで27例のCT画像と,それに対応する気管および気管支アノテーションを併用した新しいベンチマークデータセット(AeroPath)を提案する。 第2に,自動気道セグメンテーションのためのマルチスケール核融合設計を提案する。 モデルはATM'22データセットでトレーニングされ、AeroPathデータセットでテストされ、競合するオープンソースメソッドに対してさらに評価された。 ATM'22チャレンジで使用されたのと同じパフォーマンス指標が、異なる検討されたアプローチのベンチマークに使用された。 最後に、新しいデータ上で提案モデルを簡単にテストするために、オープンwebアプリケーションを開発した。 その結果,AeroPath データセットに含まれる全患者に対して,提案したアーキテクチャが位相的に正しいセグメンテーションを予測できた。 提案手法はロバストであり,少なくとも第5の気道発生まで,様々な異常を処理可能である。 さらにAeroPathデータセットは、挑戦的な病態を持つ患者を対象とし、新しい最先端の方法の開発に貢献する。 AeroPathデータセットとWebアプリケーションは公開されています。

関連論文リスト

• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• Automatic segmentation of lung findings in CT and application to Long COVID [38.69538648742266]
  S-MEDSegは胸部CT画像における肺病変の正確な分画のための深層学習に基づくアプローチである。 S-MEDSegは、トレーニング済みのEfficientNetバックボーン、双方向機能ピラミッドネットワーク、モダンネットワークの進化を組み合わせたものだ。
  論文  参考訳（メタデータ） (2023-10-13T23:42:43Z)
• ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic Diffusion Models [69.9178140563928]
  大腸内視鏡検査は臨床診断や治療に不可欠である。 注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。 本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T07:55:46Z)
• Interpolation-Split: a data-centric deep learning approach with big interpolated data to boost airway segmentation performance [6.015272528297327]
  気道のセグメンテーションは 気道全体の輪郭を作るのに 重要な役割を担っています 本研究では,気道木を分割するデータ中心の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2023-07-29T14:51:56Z)
• Accurate Airway Tree Segmentation in CT Scans via Anatomy-aware Multi-class Segmentation and Topology-guided Iterative Learning [15.492349389589121]
  CT(Computed tomography)における胸腔内気道セグメンテーションは様々な呼吸器疾患解析の前提条件である。 既存のエアウェイデータセットのほとんどは、不完全なラベル付き/注釈付きである。 本稿では,トポロジ誘導型反復型自己学習によって強化された,解剖学に適応したマルチクラスエアウェイセグメンテーション手法を提案する。
  論文  参考訳（メタデータ） (2023-06-15T13:23:05Z)
• Multi-site, Multi-domain Airway Tree Modeling (ATM'22): A Public Benchmark for Pulmonary Airway Segmentation [36.07818905920447]
  オープンな国際課題は、コンピュータビジョンと画像分析アルゴリズムを評価するデファクトスタンダードになりつつある。 医療画像コミュニティのためのベンチマークを提供するため、ATM'22(Multi-site, Multi-domain Airway Tree Modeling)を組織した。 ATM'22は、500個のCTスキャン(トレーニング300回、検証50回、テスト150回)を含む、詳細な肺気道アノテーションを備えた大規模なCTスキャンを提供する。 チャレンジの全フェーズに23のチームが参加し、上位10チームのアルゴリズムをレビューする。
  論文  参考訳（メタデータ） (2023-03-10T07:08:25Z)
• Differentiable Topology-Preserved Distance Transform for Pulmonary Airway Segmentation [34.22415353209505]
  気道セグメンテーションの性能を向上させるために, 位相保存距離変換(DTPDT)フレームワークを提案する。 The Topology-Preserved Surrogate (TPS) learning strategy was first proposed to balance the training progress within-class distribution。 The Convolutional Distance Transform (CDT) is designed to identify the breakage phenomenon with superior sensitivity and minimize the variation of the distance map between the prediction and ground-truth。
  論文  参考訳（メタデータ） (2022-09-17T15:47:01Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)

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。