論文の概要: SPINEPS -- Automatic Whole Spine Segmentation of T2-weighted MR images using a Two-Phase Approach to Multi-class Semantic and Instance Segmentation

• arxiv url: http://arxiv.org/abs/2402.16368v2
• Date: Mon, 22 Apr 2024 14:44:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-23 23:24:19.109737
• Title: SPINEPS -- Automatic Whole Spine Segmentation of T2-weighted MR images using a Two-Phase Approach to Multi-class Semantic and Instance Segmentation
• Title（参考訳）: SPINEPS -- マルチクラスセマンティック・インスタンスセマンティック・セマンティック・セマンティック・セマンティック・セマンティクスへの2相アプローチによるT2強調MR画像の自動全スピンセマンティクス
• Authors: Hendrik Möller, Robert Graf, Joachim Schmitt, Benjamin Keinert, Matan Atad, Anjany Sekuboyina, Felix Streckenbach, Hanna Schön, Florian Kofler, Thomas Kroencke, Stefanie Bette, Stefan Willich, Thomas Keil, Thoralf Niendorf, Tobias Pischon, Beate Endemann, Bjoern Menze, Daniel Rueckert, Jan S. Kirschke,
• Abstract要約: 我々は,T2wMRI画像中の14個の脊髄構造の意味とインスタンスセグメンテーションのためのオープンソースのディープラーニング手法を提案する。 SPIDERデータセット(被験者218名,女性63%)とドイツ国立コホート(被験者1423名,平均53名,女性49%)をトレーニングおよび評価に使用した。 自動生成アノテーションのトレーニングとGNCによる手動修正試験データによる評価では、脊椎では0.900点、椎間板では0.960点、脊椎では0.947点が得られた。
• 参考スコア（独自算出の注目度）: 6.931184815441744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose. To present SPINEPS, an open-source deep learning approach for semantic and instance segmentation of 14 spinal structures (ten vertebra substructures, intervertebral discs, spinal cord, spinal canal, and sacrum) in whole body T2w MRI. Methods. During this HIPPA-compliant, retrospective study, we utilized the public SPIDER dataset (218 subjects, 63% female) and a subset of the German National Cohort (1423 subjects, mean age 53, 49% female) for training and evaluation. We combined CT and T2w segmentations to train models that segment 14 spinal structures in T2w sagittal scans both semantically and instance-wise. Performance evaluation metrics included Dice similarity coefficient, average symmetrical surface distance, panoptic quality, segmentation quality, and recognition quality. Statistical significance was assessed using the Wilcoxon signed-rank test. An in-house dataset was used to qualitatively evaluate out-of-distribution samples. Results. On the public dataset, our approach outperformed the baseline (instance-wise vertebra dice score 0.929 vs. 0.907, p-value<0.001). Training on auto-generated annotations and evaluating on manually corrected test data from the GNC yielded global dice scores of 0.900 for vertebrae, 0.960 for intervertebral discs, and 0.947 for the spinal canal. Incorporating the SPIDER dataset during training increased these scores to 0.920, 0.967, 0.958, respectively. Conclusions. The proposed segmentation approach offers robust segmentation of 14 spinal structures in T2w sagittal images, including the spinal cord, spinal canal, intervertebral discs, endplate, sacrum, and vertebrae. The approach yields both a semantic and instance mask as output, thus being easy to utilize. This marks the first publicly available algorithm for whole spine segmentation in sagittal T2w MR imaging.
• Abstract（参考訳）: 目的。 SPINEPSは、T2w MRI全体における14の脊髄構造(椎体サブ構造、椎間板、脊髄、脊柱、仙骨)のセグメンテーションとインスタンスセグメンテーションのためのオープンソースの深層学習手法である。 メソッド。 HIPPA準拠の振り返り調査では,SPIDERデータセット(被験者218名,女性63%)とジャーマン・ナショナル・コーホート(被験者1423名,平均53名,女性49%)のサブセットをトレーニングと評価に利用した。 我々はCTとT2wセグメンテーションを組み合わせて、T2wサジタルスキャンにおいて14個の脊髄構造をセグメンテーションするモデルを訓練した。 性能評価指標は,Dice類似係数,平均対称表面距離,汎視的品質,セグメンテーション品質,認識品質であった。 統計学的意義はウィルコクソン符号ランク試験を用いて評価された。 社内データセットを用いて配布外サンプルを定性的に評価した。 結果。 公開データセットでは, 脊椎椎間板スコア0.929 vs. 0.907, p-value<0.001。 自動生成アノテーションのトレーニングとGNCによる手動修正試験データによる評価では、脊椎では0.900点、椎間板では0.960点、脊椎では0.947点が得られた。 トレーニング中にSPIDERデータセットを組み込んだ場合,これらのスコアはそれぞれ0.920,0.967,0.958となった。 結論。 提案したセグメンテーションアプローチは、脊髄、脊柱管、椎間板、エンドプレート、仙骨、椎骨を含む、T2w矢状体画像中の14個の脊髄構造の堅牢なセグメンテーションを提供する。 このアプローチはセマンティックマスクとインスタンスマスクの両方を出力とし、使いやすくする。 これは、矢状T2w MR画像における全脊椎分割のための最初の公開アルゴリズムである。

関連論文リスト

• SpineFM: Leveraging Foundation Models for Automatic Spine X-ray Segmentation [0.0]
  本稿では,脊椎の自動分割と同定における最先端性能を実現する新しいパイプラインであるSpineFMを紹介する。 椎骨の97.8%と99.6%の同定に成功した2つの公開X線データセットにおいて、優れた結果を得た。
  論文  参考訳（メタデータ） (2024-11-01T02:51:21Z)
• 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)
• Lumbar spine segmentation in MR images: a dataset and a public benchmark [2.768537261519943]
  本稿では,多心性腰椎MRI(Multi-center lumbar spine magnetic resonance imaging)データセットについて述べる。 このデータセットには、腰痛の既往歴を持つ218人の患者から447個の矢状T1とT2MRIシリーズが含まれている。
  論文  参考訳（メタデータ） (2023-06-21T12:19:17Z)
• VertXNet: An Ensemble Method for Vertebrae Segmentation and Identification of Spinal X-Ray [3.7139410609392933]
  VertXNetは脊椎X線画像に脊椎を自動的に分類しラベル付けするためのアンサンブルパイプラインである。 2つの最先端(SOTA)セグメンテーションモデル(特にU-NetとMask R-CNN)を組み合わせることで、X線脊椎画像における脊椎の自動セグメンテーションとラベル付けを行う。 提案したパイプラインを3つの脊髄X線データセット(内部2点,公開1点)で評価し,放射線医が注釈した椎骨との比較を行った。
  論文  参考訳（メタデータ） (2023-02-07T14:01:32Z)
• 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)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• Open source software for automatic subregional assessment of knee cartilage degradation using quantitative T2 relaxometry and deep learning [0.0]
  MESE MRIから大腿骨軟骨を分割するためにニューラルネットワークを訓練した。 軟骨は中側,表層深度,前後境界に沿って12の亜領域に分けられた。
  論文  参考訳（メタデータ） (2020-12-22T23:08:41Z)
• A Convolutional Approach to Vertebrae Detection and Labelling in Whole Spine MRI [70.04389979779195]
  脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。 これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。 本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
  論文  参考訳（メタデータ） (2020-07-06T09:37:12Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Fully-automated deep learning slice-based muscle estimation from CT images for sarcopenia assessment [0.10499611180329801]
  この振り返り研究は、公開画像とプライベート画像のコレクションを用いて行われた。 方法はCTボリュームからのスライス検出と単スライスCTセグメンテーションの2段階からなる。 アウトプットはL3椎骨のCTスライスに分節した筋量であった。
  論文  参考訳（メタデータ） (2020-06-10T12:05:55Z)
• 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。