論文の概要: Exploring 3D U-Net Training Configurations and Post-Processing Strategies for the MICCAI 2023 Kidney and Tumor Segmentation Challenge

• arxiv url: http://arxiv.org/abs/2312.05528v1
• Date: Sat, 9 Dec 2023 10:42:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 20:26:18.820764
• Title: Exploring 3D U-Net Training Configurations and Post-Processing Strategies for the MICCAI 2023 Kidney and Tumor Segmentation Challenge
• Title（参考訳）: MICCAI 2023キドニーと腫瘍分離チャレンジのための3次元U-Netトレーニング構成と後処理戦略の探索
• Authors: Kwang-Hyun Uhm, Hyunjun Cho, Zhixin Xu, Seohoon Lim, Seung-Won Jung, Sung-Hoo Hong, Sung-Jea Ko
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 16.189621599350684
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In 2023, it is estimated that 81,800 kidney cancer cases will be newly diagnosed, and 14,890 people will die from this cancer in the United States. Preoperative dynamic contrast-enhanced abdominal computed tomography (CT) is often used for detecting lesions. However, there exists inter-observer variability due to subtle differences in the imaging features of kidney and kidney tumors. In this paper, we explore various 3D U-Net training configurations and effective post-processing strategies for accurate segmentation of kidneys, cysts, and kidney tumors in CT images. We validated our model on the dataset of the 2023 Kidney and Kidney Tumor Segmentation (KiTS23) challenge. Our method took second place in the final ranking of the KiTS23 challenge on unseen test data with an average Dice score of 0.820 and an average Surface Dice of 0.712.
• Abstract（参考訳）: 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人が死亡すると予想されている。 腹部CT(Dynamic contrast-enhanced abdominal Computed Tomography)は,病変の検出によく用いられる。 しかし, 腎腫瘍と腎腫瘍の像像に微妙な差異があるため, サーバ間変動が存在する。 本稿では,ct画像における腎臓,嚢胞,腎臓腫瘍の高精度分割のための各種3次元u-netトレーニング構成と後処理戦略について検討する。 我々は2023年腎臓腫瘍分画(kits23)チャレンジのデータセットについて検証を行った。 本手法は, 平均Diceスコア0.820, 平均Surface Dice 0.712の未確認試験データに対して, KiTS23チャレンジの最終ランキングで2位となった。

関連論文リスト

• The ULS23 Challenge: a Baseline Model and Benchmark Dataset for 3D Universal Lesion Segmentation in Computed Tomography [0.0]
  胸腹部・骨盤CT検査における3次元普遍的病変分割のためのULS23ベンチマークについて紹介した。 ULS23のトレーニングデータセットには、膵、結腸、骨の病変を含む、この地域全体で38,693の病変が含まれている。
  論文  参考訳（メタデータ） (2024-06-07T19:37:59Z)
• Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.586530244472655]
  我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。 BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。 上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
  論文  参考訳（メタデータ） (2024-05-16T03:23:57Z)
• Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
  骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。 代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。 不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
  論文  参考訳（メタデータ） (2024-01-31T21:05:34Z)
• 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)
• Kidney and Kidney Tumour Segmentation in CT Images [0.0]
  本研究は,造影CT画像における腎および腎腫瘍の自動分画法の開発に焦点をあてる。 3D U-Netセグメンテーションモデルを開発した。 試験では、腎臓のDiceスコアが0.8034、腎臓のDiceスコアが0.4713、平均のDiceスコアが0.6374であった。
  論文  参考訳（メタデータ） (2022-12-26T08:08:44Z)
• TotalSegmentator: robust segmentation of 104 anatomical structures in CT images [48.50994220135258]
  身体CT画像の深層学習セグメント化モデルを提案する。 このモデルは、臓器の容積、疾患の特徴、外科的または放射線療法計画などのユースケースに関連する104の解剖学的構造を区分することができる。
  論文  参考訳（メタデータ） (2022-08-11T15:16:40Z)
• Leveraging Clinical Characteristics for Improved Deep Learning-Based Kidney Tumor Segmentation on CT [0.0]
  本研究は, 腎癌の自動分節化を画像診断に加え, 臨床的特徴を用いることで改善できるかどうかを考察する。 造影CT検査および臨床像を施行した腎癌患者300名を含む。 セグメンテーションの改善のために臨床特性を活用するために,認識型サンプリング戦略が用いられた。
  論文  参考訳（メタデータ） (2021-09-13T09:38:22Z)
• 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)
• Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
  胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。 特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。 我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
  論文  参考訳（メタデータ） (2020-05-06T09:56:51Z)
• 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)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)

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。