論文の概要: SegRap2023: A Benchmark of Organs-at-Risk and Gross Tumor Volume
Segmentation for Radiotherapy Planning of Nasopharyngeal Carcinoma
- arxiv url: http://arxiv.org/abs/2312.09576v1
- Date: Fri, 15 Dec 2023 07:08:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-18 16:49:21.239528
- Title: SegRap2023: A Benchmark of Organs-at-Risk and Gross Tumor Volume
Segmentation for Radiotherapy Planning of Nasopharyngeal Carcinoma
- Title（参考訳）: SegRap2023 鼻咽喉頭癌放射線治療計画のための臓器・腫瘍容積分画のベンチマーク
- Authors: Xiangde Luo, Jia Fu, Yunxin Zhong, Shuolin Liu, Bing Han, Mehdi
Astaraki, Simone Bendazzoli, Iuliana Toma-Dasu, Yiwen Ye, Ziyang Chen, Yong
Xia, Yanzhou Su, Jin Ye, Junjun He, Zhaohu Xing, Hongqiu Wang, Lei Zhu,
Kaixiang Yang, Xin Fang, Zhiwei Wang, Chan Woong Lee, Sang Joon Park, Jaehee
Chun, Constantin Ulrich, Klaus H. Maier-Hein, Nchongmaje Ndipenoch, Alina
Miron, Yongmin Li, Yimeng Zhang, Yu Chen, Lu Bai, Jinlong Huang, Chengyang
An, Lisheng Wang, Kaiwen Huang, Yunqi Gu, Tao Zhou, Mu Zhou, Shichuan Zhang,
Wenjun Liao, Guotai Wang, Shaoting Zhang
- Abstract要約: 放射線治療にはGross tumor Volumes (GTVs) とOrgans-At-Risk (OARs) が重要である。
SegRap2023チャレンジはMICCAI2023と共同で編成され、OARとGTVセグメンテーションのための大規模なベンチマークが提示された。
課題を詳述し、すべての参加者のソリューションを分析します。
- 参考スコア（独自算出の注目度）: 45.15178196643517
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Radiation therapy is a primary and effective NasoPharyngeal Carcinoma (NPC)
treatment strategy. The precise delineation of Gross Tumor Volumes (GTVs) and
Organs-At-Risk (OARs) is crucial in radiation treatment, directly impacting
patient prognosis. Previously, the delineation of GTVs and OARs was performed
by experienced radiation oncologists. Recently, deep learning has achieved
promising results in many medical image segmentation tasks. However, for NPC
OARs and GTVs segmentation, few public datasets are available for model
development and evaluation. To alleviate this problem, the SegRap2023 challenge
was organized in conjunction with MICCAI2023 and presented a large-scale
benchmark for OAR and GTV segmentation with 400 Computed Tomography (CT) scans
from 200 NPC patients, each with a pair of pre-aligned non-contrast and
contrast-enhanced CT scans. The challenge's goal was to segment 45 OARs and 2
GTVs from the paired CT scans. In this paper, we detail the challenge and
analyze the solutions of all participants. The average Dice similarity
coefficient scores for all submissions ranged from 76.68\% to 86.70\%, and
70.42\% to 73.44\% for OARs and GTVs, respectively. We conclude that the
segmentation of large-size OARs is well-addressed, and more efforts are needed
for GTVs and small-size or thin-structure OARs. The benchmark will remain
publicly available here: https://segrap2023.grand-challenge.org
- Abstract（参考訳）: 放射線治療はNasoPharyngeal Carcinoma(NPC)治療戦略の1つである。
放射線治療においてGross tumor Volumes (GTVs) とOrgans-At-Risk (OARs) の正確な記述は患者の予後に直接影響を及ぼす。
以前は、経験豊富な放射線腫瘍学者がGTVとOARの線引きを行った。
近年,多くの医療画像セグメンテーションタスクにおいて,深層学習は有望な成果を上げている。
しかし、NPC OARとGTVのセグメンテーションでは、モデル開発と評価のための公開データセットはほとんどない。
この問題を緩和するため、SegRap2023チャレンジはMICCAI2023と共同で編成され、200人のNPC患者のOARとGTVセグメンテーションの大規模なベンチマークと400 CT(Computd Tomography)スキャン、それぞれに1対の非コントラストとコントラスト強化CTスキャンが実施された。
課題は、45機のOARと2機のGTVをペアのCTスキャンから切り離すことであった。
本稿では,課題を詳述し,全参加者のソリューションを分析した。
全ての提出物の平均Dice類似度係数スコアは76.68\%から86.70\%、OARとGTVはそれぞれ70.42\%から73.44\%であった。
我々は,大規模OARのセグメンテーションは良好であり,GTVや小型・薄型OARにはさらなる努力が必要であると結論付けた。
ベンチマークは、ここで公開される。 https://segrap2023.grand-challenge.org
関連論文リスト
- UMambaAdj: Advancing GTV Segmentation for Head and Neck Cancer in MRI-Guided RT with UMamba and nnU-Net ResEnc Planner [0.04924932828166548]
頭頸部癌(HNC)に対する適応放射線療法においてMRIが重要な役割を担っている。
原発性腫瘍 (GTVp) とリンパ節 (GTVn) の両方を含む総腫瘍容積 (GTV) を正確に区分することは依然として困難である。
最近の2つのディープラーニングセグメンテーションの革新は、効果的に長距離依存関係をキャプチャするUMambaと、多段階残差ブロックによる特徴抽出を強化するnnU-Net Residual (ResEnc)の2つの大きな約束を示している。
論文 参考訳（メタデータ） (2024-10-16T18:26:27Z) - Brain Tumor Segmentation (BraTS) Challenge 2024: Meningioma Radiotherapy Planning Automated Segmentation [47.119513326344126]
BraTS-MEN-RTの課題は、脳MRIを計画する放射線治療の最大のマルチ機関データセットを使用して、自動セグメンテーションアルゴリズムを進化させることである。
それぞれの症例には、3D後T1強調放射線治療計画MRIがネイティブな取得スペースに含まれている。
ターゲットボリュームアノテーションは、確立された放射線治療計画プロトコルに準拠している。
論文 参考訳（メタデータ） (2024-05-28T17:25:43Z) - Advanced Tumor Segmentation in Medical Imaging: An Ensemble Approach for BraTS 2023 Adult Glioma and Pediatric Tumor Tasks [0.8184931154670512]
本研究はBraTS 2023の課題である成人グリオーマと小児腫瘍の2つの異なる課題の文脈における腫瘍の分節化方法について概説する。
本手法では,2つのエンコーダデコーダベースのCNNモデル,すなわちSegResNetとMedNeXtを用いて腫瘍の3つの領域を分割する。
提案手法は,BraTS 2023アダルトグリオーマチャレンジでは平均0.8313点,Dice 36.38点,HD95点の3位となる。
論文 参考訳（メタデータ） (2024-03-14T10:37:41Z) - Recurrence-free Survival Prediction under the Guidance of Automatic
Gross Tumor Volume Segmentation for Head and Neck Cancers [8.598790229614071]
自動原発性腫瘍 (GTVp) とリンパ節郭清法 (GTVn) を開発した。
腫瘍の分節体積から放射能の特徴を抽出し,RFS予測モデルを構築した。
論文 参考訳（メタデータ） (2022-09-22T18:44:57Z) - Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS)
Benchmark [48.30502612686276]
肺癌は最も致命的ながんの1つであり、その効果的な診断と治療は腫瘍の正確な悪性度に依存している。
現在最も一般的なアプローチであるHuman-centered segmentationは、サーバ間変動の対象となる。
2018年のVIPカップは、42か国から競争データにアクセスするための世界的な参加から始まった。
簡単に言えば、競争中に提案されたアルゴリズムはすべて、偽陽性還元手法と組み合わせたディープラーニングモデルに基づいている。
論文 参考訳（メタデータ） (2022-01-03T03:06:38Z) - Ensemble CNN Networks for GBM Tumors Segmentation using Multi-parametric
MRI [0.0]
本稿では,術前の mpMRI におけるグリオーマの自動認識のための,DeepSeg と nnU-Net という2つのディープラーニングフレームワークのアグリゲーションを提案する。
本手法では, 腫瘍, 腫瘍コア, 全腫瘍領域のDice類似度スコアが92.00, 87.33, 84.10, Hausdorff Distances 3.81, 8.91, 16.02を得た。
論文 参考訳（メタデータ） (2021-12-13T10:51:20Z) - 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) - 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。