論文の概要: How good nnU-Net for Segmenting Cardiac MRI: A Comprehensive Evaluation

• arxiv url: http://arxiv.org/abs/2408.06358v2
• Date: Sun, 05 Jan 2025 03:13:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:02:29.639748
• Title: How good nnU-Net for Segmenting Cardiac MRI: A Comprehensive Evaluation
• Title（参考訳）: 心臓MRIにおけるnU-Netの有用性 : 総合的評価
• Authors: Malitha Gunawardhana, Fangqiang Xu, Jichao Zhao,
• Abstract要約: 本研究では, 心臓磁気共鳴画像(MRI)における nnU-Net の性能評価を行った。 2D、3Dフル解像度、3Dロー解像度、3Dカスケード、3Dアンサンブルモデルなど、さまざまなnnU-Net構成を採用しています。
• 参考スコア（独自算出の注目度）: 2.5725730509014353
• License:
• Abstract: Cardiac segmentation is a critical task in medical imaging, essential for detailed analysis of heart structures, which is crucial for diagnosing and treating various cardiovascular diseases. With the advent of deep learning, automated segmentation techniques have demonstrated remarkable progress, achieving high accuracy and efficiency compared to traditional manual methods. Among these techniques, the nnU-Net framework stands out as a robust and versatile tool for medical image segmentation. In this study, we evaluate the performance of nnU-Net in segmenting cardiac magnetic resonance images (MRIs). Utilizing five cardiac segmentation datasets, we employ various nnU-Net configurations, including 2D, 3D full resolution, 3D low resolution, 3D cascade, and ensemble models. Our study benchmarks the capabilities of these configurations and examines the necessity of developing new models for specific cardiac segmentation tasks.
• Abstract（参考訳）: 心臓セグメンテーションは、様々な心臓血管疾患の診断と治療に不可欠である心臓構造の詳細な解析に不可欠である、医療画像における重要な課題である。 ディープラーニングの出現に伴い、自動セグメンテーション技術は目覚ましい進歩を見せ、従来の手作業法と比較して高い精度と効率を実現している。 これらの技術の中で、nnU-Netフレームワークは、医用画像セグメンテーションのための堅牢で汎用的なツールとして際立っている。 本研究では,心臓磁気共鳴画像(MRI)における nnU-Net の性能評価を行った。 5つの心臓セグメンテーションデータセットを用いて、2D、3Dフル解像度、3Dロー解像度、3Dカスケード、3Dアンサンブルモデルを含む様々なnnU-Net構成を用いる。 本研究は、これらの構成の能力をベンチマークし、特定の心臓セグメンテーションタスクのための新しいモデルを開発する必要性について検討する。

関連論文リスト

• Gaussian Process Emulators for Few-Shot Segmentation in Cardiac MRI [0.629740011146996]
  本稿では,U-Netアーキテクチャとガウスプロセスエミュレータ(GPE)を併用した数ショット学習手法を提案する。 GPEは、遅延空間におけるサポートイメージと対応するマスクの関係を学習するために訓練され、目に見えないクエリイメージのセグメンテーションを容易にする。 我々は、M&Ms-2パブリックデータセットを用いて、心臓磁気共鳴画像における心臓のセグメンテーション能力を評価する。
  論文  参考訳（メタデータ） (2024-11-11T12:13:58Z)
• Preserving Cardiac Integrity: A Topology-Infused Approach to Whole Heart Segmentation [6.495726693226574]
  全心セグメンテーション(WHS)は、心臓血管疾患の診断、疾患のモニタリング、治療計画、予後をサポートする。 本稿では,深層ニューラルネットワークに統合された新しいトポロジ保存モジュールを提案する。 この実装は、学習したトポロジ保存フィールドを用いて、完全に3次元の畳み込みに基づいており、3次元のボクセルデータに対して非常に効果的である、解剖学的に妥当なセグメンテーションを実現する。
  論文  参考訳（メタデータ） (2024-10-14T14:32:05Z)
• CMRxRecon2024: A Multi-Modality, Multi-View K-Space Dataset Boosting Universal Machine Learning for Accelerated Cardiac MRI [40.11088079783521]
  CMRxRecon2024データセットは、最も大きく、最もプロトカルなディバースで公開されている心臓k空間データセットである。 健常者330名から取得され、一般的に使用されるモダリティ、解剖学的視点、臨床心臓MRIにおける獲得軌跡をカバーしている。
  論文  参考訳（メタデータ） (2024-06-27T09:50:20Z)
• A Comparative Analysis of U-Net-based models for Segmentation of Cardiac MRI [0.0]
  本稿では,心臓短軸MRI(Magnetic Resonance Imaging)画像のセマンティックセグメンテーションにおけるディープラーニング手法の適用について検討する。 焦点は、U-Netの派生品である様々なアーキテクチャの実装に焦点を当て、包括的な解剖学的および機能解析のために心臓の特定の部分を効果的に分離することである。
  論文  参考訳（メタデータ） (2024-01-18T13:51:20Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions [1.212901554957637]
  心臓臓器は複数のサブ構造(心室、心房、大動脈、動脈、静脈、心筋)から構成される。 これらの心筋サブ構造は互いに近縁であり、識別不能な境界を持つ。 形状と境界認識機能を利用する新しいモデルを提案する。
  論文  参考訳（メタデータ） (2021-05-27T13:54:59Z)
• Multi-class probabilistic atlas-based whole heart segmentation method in cardiac CT and MRI [4.144197343838299]
  本稿では,非剛性登録に基づく確率的アトラスを用いたマルチクラス全心セグメンテーションの枠組みを提案する。 また,高い到達可能な相互情報を得るためのマルチレゾリューション戦略を利用した非剛性登録パイプラインを提案する。 提案手法は,CTスキャンにおいて平均ボリュームオーバーラップ誤差が14.5 % であることを示す。
  論文  参考訳（メタデータ） (2021-02-03T01:02:09Z)
• Inter-slice Context Residual Learning for 3D Medical Image Segmentation [38.43650000401734]
  本稿では,3次元医用画像の正確なセグメンテーションのための3次元コンテキスト残差ネットワーク(ConResNet)を提案する。 このモデルはエンコーダ、セグメンテーションデコーダ、コンテキスト残留デコーダで構成される。 提案したConResNetは,脳腫瘍セグメンテーションにおける上位6つの方法と膵腫瘍セグメンテーションにおける上位7つの方法より正確である。
  論文  参考訳（メタデータ） (2020-11-28T16:03:39Z)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)
• 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)

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。