Fugu-MT 論文翻訳(概要): ICPR 2024 Competition on Multiple Sclerosis Lesion Segmentation -- Methods and Results

論文の概要: ICPR 2024 Competition on Multiple Sclerosis Lesion Segmentation -- Methods and Results

arxiv url: http://arxiv.org/abs/2410.07924v1
Date: Thu, 10 Oct 2024 13:49:47 GMT
ステータス: 処理完了
システム内更新日: 2024-10-31 14:16:01.949469
Title: ICPR 2024 Competition on Multiple Sclerosis Lesion Segmentation -- Methods and Results
Title（参考訳）: ICPR 2024による多発性硬化症病変の分離に関するコンペティション -- 方法と結果
Authors: Alessia Rondinella, Francesco Guarnera, Elena Crispino, Giulia Russo, Clara Di Lorenzo, Davide Maimone, Francesco Pappalardo, Sebastiano Battiato,
Abstract要約: このコンペティションは、MRIスキャンで複数の硬化病変を自動的に分類する手法を開発することを目的としていた。 MSLesSegは、患者の未検査コホートの多発性硬化病変を独立に分断できるアルゴリズムの開発に重点を置いている。
参考スコア（独自算出の注目度）: 4.719658284343234
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This report summarizes the outcomes of the ICPR 2024 Competition on Multiple Sclerosis Lesion Segmentation (MSLesSeg). The competition aimed to develop methods capable of automatically segmenting multiple sclerosis lesions in MRI scans. Participants were provided with a novel annotated dataset comprising a heterogeneous cohort of MS patients, featuring both baseline and follow-up MRI scans acquired at different hospitals. MSLesSeg focuses on developing algorithms that can independently segment multiple sclerosis lesions of an unexamined cohort of patients. This segmentation approach aims to overcome current benchmarks by eliminating user interaction and ensuring robust lesion detection at different timepoints, encouraging innovation and promoting methodological advances.
Abstract（参考訳）: ICPR 2024 Competition on Multiple Sclerosis Lesion Segmentation (MSLesSeg)の結果を要約する。このコンペティションは、MRIスキャンで複数の硬化病変を自動的に分類する手法を開発することを目的としていた。参加者は,MS患者の異種コホートを含む注釈付きデータセットを新たに提供し,異なる病院で取得したベースラインとフォローアップMRIの両方を特徴とした。 MSLesSegは、患者の未検査コホートの多発性硬化病変を独立に分断できるアルゴリズムの開発に重点を置いている。このセグメンテーションアプローチは、ユーザインタラクションを排除し、異なる時点における堅牢な病変検出を確保し、イノベーションを促進し、方法論の進歩を促進することで、現在のベンチマークを克服することを目的としている。

関連論文リスト

ISLES'24: Improving final infarct prediction in ischemic stroke using multimodal imaging and clinical data [3.2816454618159008]
本研究はISLES'24課題であり, 術前急性期脳梗塞画像と臨床データから最終治療後の脳梗塞予測に対処するものである。本研究の貢献は2つある: まず, ISLES'24チャレンジを通じて最終脳梗塞セグメンテーションアルゴリズムの標準化ベンチマークを導入する; 次に, マルチモーダルイメージングと臨床データ戦略を用いた梗塞セグメンテーションに関する洞察を提供する。
論文参考訳（メタデータ） (2024-08-20T16:01:05Z)
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)
A Robust Ensemble Algorithm for Ischemic Stroke Lesion Segmentation: Generalizability and Clinical Utility Beyond the ISLES Challenge [30.611482996378683]
画像と疾患の多様性は、臨床価値を持つ一般化可能なAIアルゴリズムの開発を妨げる。 2022 Ischemic Stroke Lesion (ISLES) から得られた新しいアンサンブルアルゴリズムを提案する。トップパフォーマンスのアルゴリズムを、個々のソリューションの限界を克服するアンサンブルモデルに組み合わせました。
論文参考訳（メタデータ） (2024-03-28T13:56:26Z)
Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文参考訳（メタデータ） (2023-08-31T00:36:10Z)
Joint Liver and Hepatic Lesion Segmentation in MRI using a Hybrid CNN with Transformer Layers [2.055026516354464]
SWTR-Unetと呼ばれるハイブリッドネットワークは、事前訓練されたResNet、トランスフォーマーブロック、共通のUnetスタイルのデコーダパスで構成されている。 Diceスコアが平均98-2%,MRIデータセットで81-28%,CTデータセットで97-2%,79-25%であったことから,提案したSWTR-Unetは肝病変と肝病変のセグメンテーションの正確なアプローチであることが判明した。
論文参考訳（メタデータ） (2022-01-26T14:52:23Z)
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)
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)
Multiple Sclerosis Lesion Segmentation -- A Survey of Supervised CNN-Based Methods [0.6091702876917279]
病変分割は、多発性硬化症患者のMRIスキャンを定量的に分析するためのコアタスクです。最近のディープラーニング技術の成功は、この困難な問題に対するコミュニティの関心を再び高めている。
論文参考訳（メタデータ） (2020-12-12T19:05:41Z)
Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。深層学習に基づく手法が古典的アプローチより優れていることが実証された。
論文参考訳（メタデータ） (2020-08-05T08:49:20Z)
Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文参考訳（メタデータ） (2020-05-27T06:58:39Z)
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。