論文の概要: Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge

• arxiv url: http://arxiv.org/abs/2405.09787v1
• Date: Thu, 16 May 2024 03:23:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-17 15:30:35.780946
• Title: Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge
• Title（参考訳）: BraTS 2023頭蓋内髄膜腫分節障害の検討
• Authors: Dominic LaBella, Ujjwal Baid, Omaditya Khanna, Shan McBurney-Lin, Ryan McLean, Pierre Nedelec, Arif Rashid, Nourel Hoda Tahon, Talissa Altes, Radhika Bhalerao, Yaseen Dhemesh, Devon Godfrey, Fathi Hilal, Scott Floyd, Anastasia Janas, Anahita Fathi Kazerooni, John Kirkpatrick, Collin Kent, Florian Kofler, Kevin Leu, Nazanin Maleki, Bjoern Menze, Maxence Pajot, Zachary J. Reitman, Jeffrey D. Rudie, Rachit Saluja, Yury Velichko, Chunhao Wang, Pranav Warman, Maruf Adewole, Jake Albrecht, Udunna Anazodo, Syed Muhammad Anwar, Timothy Bergquist, Sully Francis Chen, Verena Chung, Gian-Marco Conte, Farouk Dako, James Eddy, Ivan Ezhov, Nastaran Khalili, Juan Eugenio Iglesias, Zhifan Jiang, Elaine Johanson, Koen Van Leemput, Hongwei Bran Li, Marius George Linguraru, Xinyang Liu, Aria Mahtabfar, Zeke Meier, Ahmed W. Moawad, John Mongan, Marie Piraud, Russell Takeshi Shinohara, Walter F. Wiggins, Aly H. Abayazeed, Rachel Akinola, András Jakab, Michel Bilello, Maria Correia de Verdier, Priscila Crivellaro, Christos Davatzikos, Keyvan Farahani, John Freymann, Christopher Hess, Raymond Huang, Philipp Lohmann, Mana Moassefi, Matthew W. Pease, Phillipp Vollmuth, Nico Sollmann, David Diffley, Khanak K. Nandolia, Daniel I. Warren, Ali Hussain, Pascal Fehringer, Yulia Bronstein, Lisa Deptula, Evan G. Stein, Mahsa Taherzadeh, Eduardo Portela de Oliveira, Aoife Haughey, Marinos Kontzialis, Luca Saba, Benjamin Turner, Melanie M. T. Brüßeler, Shehbaz Ansari, Athanasios Gkampenis, David Maximilian Weiss, Aya Mansour, Islam H. Shawali, Nikolay Yordanov, Joel M. Stein, Roula Hourani, Mohammed Yahya Moshebah, Ahmed Magdy Abouelatta, Tanvir Rizvi, Klara Willms, Dann C. Martin, Abdullah Okar, Gennaro D'Anna, Ahmed Taha, Yasaman Sharifi, Shahriar Faghani, Dominic Kite, Marco Pinho, Muhammad Ammar Haider, Alejandro Aristizabal, Alexandros Karargyris, Hasan Kassem, Sarthak Pati, Micah Sheller, Michelle Alonso-Basanta, Javier Villanueva-Meyer, Andreas M. Rauschecker, Ayman Nada, Mariam Aboian, Adam E. Flanders, Benedikt Wiestler, Spyridon Bakas, Evan Calabrese,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 44.586530244472655
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We describe the design and results from the BraTS 2023 Intracranial Meningioma Segmentation Challenge. The BraTS Meningioma Challenge differed from prior BraTS Glioma challenges in that it focused on meningiomas, which are typically benign extra-axial tumors with diverse radiologic and anatomical presentation and a propensity for multiplicity. Nine participating teams each developed deep-learning automated segmentation models using image data from the largest multi-institutional systematically expert annotated multilabel multi-sequence meningioma MRI dataset to date, which included 1000 training set cases, 141 validation set cases, and 283 hidden test set cases. Each case included T2, T2/FLAIR, T1, and T1Gd brain MRI sequences with associated tumor compartment labels delineating enhancing tumor, non-enhancing tumor, and surrounding non-enhancing T2/FLAIR hyperintensity. Participant automated segmentation models were evaluated and ranked based on a scoring system evaluating lesion-wise metrics including dice similarity coefficient (DSC) and 95% Hausdorff Distance. The top ranked team had a lesion-wise median dice similarity coefficient (DSC) of 0.976, 0.976, and 0.964 for enhancing tumor, tumor core, and whole tumor, respectively and a corresponding average DSC of 0.899, 0.904, and 0.871, respectively. These results serve as state-of-the-art benchmarks for future pre-operative meningioma automated segmentation algorithms. Additionally, we found that 1286 of 1424 cases (90.3%) had at least 1 compartment voxel abutting the edge of the skull-stripped image edge, which requires further investigation into optimal pre-processing face anonymization steps.
• Abstract（参考訳）: 頭蓋内髄膜腫手術におけるBraTS 2023の設計と成績について述べる。 BraTS Meningioma Challenge は以前の BraTS Glioma Challenge と異なり、髄膜腫に焦点を当てている。 参加する9つのチームは、これまで最大のマルチ機関の専門家による注釈付きマルチラベル型髄膜MRIデータセットのイメージデータを使用して、ディープラーニングの自動セグメンテーションモデルを開発した。 また,T2,T2/FLAIR,T1,T1Gd,T1Gd,T1Gd,T1Gd,T1Gd,T1Gd,T1Gd,T1Gd,T2/FLAIR,T2/FLAIR,T1Gd,T1Gd,T1Gd,T2/FLAIR,T1 Gd,T2/FLAIR,T2/FLAIR,T1Gd,T1Gd,T2/FLAIR,T1Gd,T2/FLAIR,T2/FLAIR,T1Gd,T2/FLAIR,T1Gd,T2/FLAIR,T1Gd,T1Gd ,T2,T1Gd,T1,T1Gd,T1。 ディス類似度係数 (DSC) と95%ハウスドルフ距離 (95%) を含む病変度評価システムを用いて, 参加者自動区分けモデルの評価と評価を行った。 上位分類群では, 腫瘍, 腫瘍コア, 腫瘍全体の増強にそれぞれ0.976, 0.976, 0.964, 対応する平均DSC 0.899, 0.904, 0.871の病変中央値が認められた。 これらの結果は、将来の手術前髄膜腫自動分節アルゴリズムの最先端ベンチマークとして機能する。 さらに,1424例中1286例(90.3%)は,頭蓋骨を張った画像縁の縁に少なくとも1個の分節ボクセルが付着していることが判明した。

関連論文リスト

• 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)
• 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。 それぞれの症例は、T1-weighted radiotherapy planning MRIを1ラベルの"target volume"を伴って、そのネイティブな取得空間にデフェクトされた3DポストコントラストT1-weighted radiotherapy計画MRIを含む。 術前の髄膜腫ではGTV全体と結節性十二指腸尾部を対象とし,術後の症例では腹腔内郭清術を施行した。
  論文  参考訳（メタデータ） (2024-05-28T17:25:43Z)
• The 2024 Brain Tumor Segmentation (BraTS) Challenge: Glioma Segmentation on Post-treatment MRI [5.725734864357991]
  治療後のグリオーマMRIに対する2024 Brain tumor (BraTS)チャレンジは、最先端の自動セグメンテーションモデルのコミュニティ標準とベンチマークを提供する。 競合他社は、4つの異なる腫瘍サブリージョンを予測するために、自動セグメンテーションモデルを開発する。 モデルは別個の検証とテストデータセットで評価される。
  論文  参考訳（メタデータ） (2024-05-28T17:07:55Z)
• 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)
• Multimodal CNN Networks for Brain Tumor Segmentation in MRI: A BraTS 2022 Challenge Solution [0.0]
  この記事では、BraTS 2022の継続的評価課題への私たちの貢献について説明する。 術前MRIにおけるグリオーマ境界の自動検出のための,DeepSeg,nnU-Net,DeepSCANという,複数のディープラーニングフレームワークのアンサンブルを提案する。 Diceスコアが0.9294、0.8788、0.8803、Hausdorf距離が5.23、13.54、12.05のBraTSテストデータセットで、腫瘍全体、腫瘍コア、造影腫瘍をそれぞれ評価した。
  論文  参考訳（メタデータ） (2022-12-19T09:14:23Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• 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)
• H2NF-Net for Brain Tumor Segmentation using Multimodal MR Imaging: 2nd Place Solution to BraTS Challenge 2020 Segmentation Task [96.49879910148854]
  当社のH2NF-Netは、単一およびカスケードのHNF-Netを使用して、異なる脳腫瘍サブリージョンを分割します。 我々は、マルチモーダル脳腫瘍チャレンジ(BraTS)2020データセットでモデルをトレーニングし、評価した。 提案手法は,80名近い参加者のうち,brats 2020チャレンジセグメンテーションタスクで2位となった。
  論文  参考訳（メタデータ） (2020-12-30T20:44:55Z)
• Automatic Brain Tumor Segmentation with Scale Attention Network [1.7767466724342065]
  マルチモーダル脳腫瘍チャレンジ2020(BraTS 2020)は、マルチパラメトリック磁気共鳴イメージング(mpMRI)で異なる自動アルゴリズムを比較する共通のプラットフォームを提供する 本稿では,異なるスケールで特徴写像から高レベルな意味論を取り入れた,低レベルな細部を取り入れた動的スケールアテンション機構を提案する。 術式はBraTS 2020で提供した369症例を用いて訓練し, 平均Dice similarity Coefficient (DSC) は0.8828, 0.8433, 0.8177, Hausdorff は95%, 5.2176, 17.9697, 13.4298 であった。
  論文  参考訳（メタデータ） (2020-11-06T04:45:49Z)
• 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)

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。