論文の概要: Segmenting Medical Images: From UNet to Res-UNet and nnUNet

• arxiv url: http://arxiv.org/abs/2407.04353v1
• Date: Fri, 5 Jul 2024 08:46:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-08 14:00:02.037172
• Title: Segmenting Medical Images: From UNet to Res-UNet and nnUNet
• Title（参考訳）: 医用画像のセグメンテーション:UNetからRes-UNetとnnUNetへ
• Authors: Lina Huang, Alina Miron, Kate Hone, Yongmin Li,
• Abstract要約: 本研究では、UNet、Res-UNet、Attention Res-UNet、nnUNetを含むディープラーニングモデルの比較分析を行う。 この分析は、その臨床応用性を評価するために、精度、精度、リコール、Dice similarity Coefficient(DSC)、Intersection over Union(IoU)に焦点を当てている。
• 参考スコア（独自算出の注目度）: 4.08109886949724
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This study provides a comparative analysis of deep learning models including UNet, Res-UNet, Attention Res-UNet, and nnUNet, and evaluates their performance in brain tumour, polyp, and multi-class heart segmentation tasks. The analysis focuses on precision, accuracy, recall, Dice Similarity Coefficient (DSC), and Intersection over Union (IoU) to assess their clinical applicability. In brain tumour segmentation, Res-UNet and nnUNet significantly outperformed UNet, with Res-UNet leading in DSC and IoU scores, indicating superior accuracy in tumour delineation. Meanwhile, nnUNet excelled in recall and accuracy, which are crucial for reliable tumour detection in clinical diagnosis and planning. In polyp detection, nnUNet was the most effective, achieving the highest metrics across all categories and proving itself as a reliable diagnostic tool in endoscopy. In the complex task of heart segmentation, Res-UNet and Attention Res-UNet were outstanding in delineating the left ventricle, with Res-UNet also leading in right ventricle segmentation. nnUNet was unmatched in myocardium segmentation, achieving top scores in precision, recall, DSC, and IoU. The conclusion notes that although Res-UNet occasionally outperforms nnUNet in specific metrics, the differences are quite small. Moreover, nnUNet consistently shows superior overall performance across the experiments. Particularly noted for its high recall and accuracy, which are crucial in clinical settings to minimize misdiagnosis and ensure timely treatment, nnUNet's robust performance in crucial metrics across all tested categories establishes it as the most effective model for these varied and complex segmentation tasks.
• Abstract（参考訳）: 本研究では、UNet、Res-UNet、Attention Res-UNet、nnUNetを含むディープラーニングモデルの比較分析を行い、脳腫瘍、ポリプ、マルチクラスの心臓セグメンテーションタスクにおけるそれらのパフォーマンスを評価する。 この分析は、その臨床応用性を評価するために、精度、精度、リコール、Dice similarity Coefficient(DSC)、Intersection over Union(IoU)に焦点を当てている。 脳腫瘍のセグメンテーションでは、Res-UNetとnnUNetはUNetよりも優れ、Res-UNetはDSCとIoUのスコアでリードし、腫瘍のデライン化の精度が向上した。 一方、nnUNetはリコールと精度に優れており、臨床診断と計画において確実な腫瘍検出に不可欠である。 ポリプ検出では、nnUNetが最も効果的で、すべてのカテゴリで最高の測定値を獲得し、内視鏡の信頼性の高い診断ツールとして自身を証明した。 心臓セグメンテーションの複雑なタスクでは、Res-UNetとAttention Res-UNetは左心室の描写に優れ、Res-UNetは右心室セグメンテーションも導いた。 nnUNetは心筋セグメンテーションに適合せず、精度、リコール、DSC、IoUでトップスコアを獲得した。 結論として、Res-UNetは特定のメトリクスでnnUNetを上回っている場合もありますが、違いはかなり小さいです。 さらに、nnUNetは実験全体で優れた全体的なパフォーマンスを示している。 特に、診断ミスを最小限に抑え、タイムリーな治療を確実にするための臨床的設定において重要な、高いリコールと正確性のために、nnUNetのすべてのテストされたカテゴリにおける重要な指標における堅牢なパフォーマンスは、これらの多様性と複雑なセグメンテーションタスクの最も効果的なモデルとして確立している。

関連論文リスト

• Radiomics as a measure superior to the Dice similarity coefficient for tumor segmentation performance evaluation [0.0]
  本研究は, 医師のセグメンテーション能力と自動セグメンテーションツールを評価するための優れた尺度として, 放射能の特徴を提案する。 放射線の特徴、特に形状とエネルギーに関連するものは、Dice similarity Coefficient (DSC)とは異なり、腫瘍のセグメンテーション特性の微妙な変化を捉えることができる。 発見は、これらの新しい指標が、新しい自己隔離法を評価し、医療セグメント化における個人のトレーニングを強化するために使われることを示唆している。
  論文  参考訳（メタデータ） (2023-10-30T21:50:08Z)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients [31.567542945171834]
  脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。 BraTS-Regは、変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境である。 BraTS-Regの目的は、引き続き研究の活発な資源として機能することである。
  論文  参考訳（メタデータ） (2021-12-13T19:25:16Z)
• Quality control for more reliable integration of deep learning-based image segmentation into medical workflows [0.23609258021376836]
  本稿では,その出力の確実性を推定するために,最先端自動品質制御(QC)手法の解析を行う。 磁気共鳴画像データにおける白色物質の超強度(WMH)を識別する脳画像分割タスクにおける最も有望なアプローチを検証した。
  論文  参考訳（メタデータ） (2021-12-06T16:30:43Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Segmentation with Multiple Acceptable Annotations: A Case Study of Myocardial Segmentation in Contrast Echocardiography [12.594060034146125]
  我々は,複数の受理基底真理が利用できる場合にセグメント化性能を評価するために,新たな拡張Diceを提案する。 次に、ニューラルネットが心筋の一般的な特徴を学習できるように、新たな指標を損失関数にさらに組み込むことで、第2の問題を解決する。 臨床MCEデータセットの実験結果から,提案した損失関数を用いてトレーニングしたニューラルネットワークは,既存のニューラルネットワークよりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-29T17:32:24Z)
• 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)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)
• Spinal Metastases Segmentation in MR Imaging using Deep Convolutional Neural Networks [0.0]
  本研究の目的は,深層学習を用いた診断MR画像における脊髄転移の分節化である。 U-Net様アーキテクチャを用いて40例の臨床検査を行った。 専門的な注釈付き病変のセグメンテーションと比較すると、Diceの平均スコアは77.6%、平均感度は78.9%という有望な結果を得た。
  論文  参考訳（メタデータ） (2020-01-08T10:59:31Z)

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。