論文の概要: CirrMRI600+: Large Scale MRI Collection and Segmentation of Cirrhotic Liver

• arxiv url: http://arxiv.org/abs/2410.16296v1
• Date: Sun, 06 Oct 2024 20:24:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-28 17:07:38.643283
• Title: CirrMRI600+: Large Scale MRI Collection and Segmentation of Cirrhotic Liver
• Title（参考訳）: CirrMRI600+:大規模なMRIコレクションと肝硬変の分離
• Authors: Debesh Jha, Onkar Kishor Susladkar, Vandan Gorade, Elif Keles, Matthew Antalek, Deniz Seyithanoglu, Timurhan Cebeci, Halil Ertugrul Aktas, Gulbiz Dagoglu Kartal, Sabahattin Kaymakoglu, Sukru Mehmet Erturk, Yuri Velichko, Daniela Ladner, Amir A. Borhani, Alpay Medetalibeyoglu, Gorkem Durak, Ulas Bagci,
• Abstract要約: 肝硬変 (肝硬変) は, 肝疾患終末期の肝硬変であり, 広範な線維化と結節再生を特徴とする。 末期硬変の早期診断と治療は重要な臨床課題である。 Deep Learning (DL)は、MRIスキャンで肝硬変を自動分類し、認識するための有望なソリューションを提供する。 CirrMRI600+は肝硬変に対する注釈付きセグメンテーションラベルを用いた腹部MRIの広範なデータセットである。
• 参考スコア（独自算出の注目度）: 1.3157208364269697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Liver cirrhosis, the end stage of chronic liver disease, is characterized by extensive bridging fibrosis and nodular regeneration, leading to an increased risk of liver failure, complications of portal hypertension, malignancy and death. Early diagnosis and management of end-stage cirrhosis are significant clinical challenges. Magnetic resonance imaging (MRI) is a widely available, non-invasive imaging technique for cirrhosis assessment. However, the stage of liver fibrosis cannot be easily differentiated. Moreover, the fibrotic liver tissue (cirrhotic liver) causes significant change in liver enhancement, morphology and signal characteristics, which poses substantial challenges for the development of computer-aided diagnostic applications. Deep learning (DL) offers a promising solution for automatically segmenting and recognizing cirrhotic livers in MRI scans, potentially enabling fibrosis stage classification. However, the lack of datasets specifically focused on cirrhotic livers has hindered progress. CirrMRI600+ addresses this critical gap. This extensive dataset, the first of its kind, comprises 628 high-resolution abdominal MRI scans (310 T1-weighted and 318 T2-weighted, totaling nearly 40,000 slices) with annotated segmentation labels for cirrhotic livers. Unlike previous datasets, CirrMRI600+ specifically focuses on cirrhotic livers, capturing the complexities of this disease state. The link to the dataset is made publicly available at: https://osf.io/cuk24/. We also share 11 baseline deep learning segmentation methods used in our rigorous benchmarking experiments: https://github.com/NUBagciLab/CirrMRI600Plus.
• Abstract（参考訳）: 肝硬変は,肝不全,門脈圧亢進,悪性度,死亡のリスクが高くなった。 末期硬変の早期診断と治療は重要な臨床課題である。 磁気共鳴画像(MRI)は、肝硬変の診断に広く用いられる非侵襲的画像診断技術である。 しかし、肝線維化の段階は容易に区別できない。 さらに、線維性肝組織(肝硬変性肝)は、肝臓の増強、形態、信号特性に著しい変化をもたらし、コンピュータ支援診断アプリケーションの開発に重大な課題をもたらす。 Deep Learning (DL)は、MRIスキャンで肝硬変を自動分類し、認識するための有望なソリューションを提供する。 しかし、肝硬変に特に焦点を絞ったデータセットの欠如は、進歩を妨げている。 CirrMRI600+はこの限界に対処する。 このデータセットは628個の高分解能腹部MRIスキャン(310 T1-weighted)、318個のT2-weighted(合計4万スライス)と、肝硬変に対する注釈付きセグメンテーションラベルから構成される。 これまでのデータセットとは異なり、CirMRI600+は肝硬変に特化しており、この疾患状態の複雑さを捉えている。 データセットへのリンクは、https://osf.io/cuk24/で公開されている。 また、厳格なベンチマーク実験で使用される11のベースラインディープラーニングセグメンテーション方法も公開しています。

関連論文リスト

• Extreme Cardiac MRI Analysis under Respiratory Motion: Results of the CMRxMotion Challenge [56.28872161153236]
  ディープラーニングモデルは、自動心臓磁気共鳴(CMR)解析において最先端の性能を達成した。 これらのモデルの有効性は、高品質でアーティファクトフリーな画像の可用性に大きく依存している。 この領域の研究を促進するために,MICCAI CMRxMotion チャレンジを組織した。
  論文  参考訳（メタデータ） (2025-07-25T11:12:21Z)
• DLiPath: A Benchmark for the Comprehensive Assessment of Donor Liver Based on Histopathological Image Dataset [3.5306983515338706]
  ドナー肝生検の総合的評価は、移植の可能性を受け入れるか破棄するために重要な情報を提供する。 門脈線維症, 総脂肪症, 巨胞性脂肪症, バルーン形成などのドナー肝生検の特徴は移植成績と相関する。 そこで本研究では,包括的ドナー肝アセスメントのための最初のベンチマークであるDLiPathを紹介する。
  論文  参考訳（メタデータ） (2025-05-30T12:13:00Z)
• Liver Cirrhosis Stage Estimation from MRI with Deep Learning [8.624095515251993]
  マルチシーケンスMRIを用いた肝硬変自動ステージ推定のためのエンドツーエンドディープラーニングフレームワークを提案する。 本手法は,肝硬変進行段階の微妙な組織変化を捉えるために,多段階的特徴学習とシーケンス特異的注意機構を統合した。 我々の最良のモデルは、T1Wで72.8%、T2Wで63.8%の精度を達成し、従来のラジオミクスベースのアプローチよりも大幅に優れている。
  論文  参考訳（メタデータ） (2025-02-23T20:50:08Z)
• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• Artificial Intelligence-Enhanced Couinaud Segmentation for Precision Liver Cancer Therapy [21.74576495152911]
  本研究では,新しいCouinaudセグメンテーションモデルであるLiverFormerを紹介する。 LiverFormerはグローバルコンテキストと3DハイブリッドCNN-Transformerアーキテクチャに基づく低レベルのローカル機能を統合する。
  論文  参考訳（メタデータ） (2024-11-05T05:27:03Z)
• ISLES'24 -- A Real-World Longitudinal Multimodal Stroke Dataset [9.501255615225428]
  ストロークは世界的死亡率と死亡率の主要な原因であり、社会経済的重荷を伴っている。 脳卒中画像から脳機能の正確なモデルを作成する機械学習アルゴリズムの開発には、大きく、多様で、注釈付けされたパブリックデータセットが必要である。 このマルチセンターデータセットは245のケースで構成され、臨床的な意思決定を容易にする強力な機械学習アルゴリズムを開発するための基盤となっている。
  論文  参考訳（メタデータ） (2024-08-20T18:59:52Z)
• A Cascaded Approach for ultraly High Performance Lesion Detection and False Positive Removal in Liver CT Scans [15.352636778576171]
  肝臓がんは世界中で高い死亡率と死亡率を持っている。 CT画像における肝病変の自動検出と分類は、臨床ワークフローを改善する可能性がある。 本研究では,多相CT画像のためのマルチオブジェクトラベリングツールをカスタマイズする。
  論文  参考訳（メタデータ） (2023-06-28T09:11:34Z)
• Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
  化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。 セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。 提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
  論文  参考訳（メタデータ） (2022-11-08T11:50:31Z)
• CoRe: An Automated Pipeline for The Prediction of Liver Resection Complexity from Preoperative CT Scans [53.561797148529664]
  肝切除を複雑にするために重要な位置にある腫瘍が知られている。 CoReは、術後LRの複雑さを予測するための自動化された医療画像処理パイプラインである。
  論文  参考訳（メタデータ） (2022-10-15T15:29:24Z)
• Efficient liver segmentation with 3D CNN using computed tomography scans [0.0]
  肝腫瘍による肝疾患は、世界で最も一般的な理由の1つである。 多くの画像モダリティは、肝腫瘍を検出するための補助ツールとして使用できる。 腹部CTから肝を検出・分画する効率的な自動肝分画フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-28T19:02:39Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• 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)
• Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
  病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。 本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。 本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
  論文  参考訳（メタデータ） (2021-08-01T07:28:32Z)
• Realistic Ultrasound Image Synthesis for Improved Classification of Liver Disease [54.69792905238048]
  超音波(US)データから肝疾患を分類するために、畳み込みニューラルネットワーク(CNN)が研究されている。 本稿では, 現実的な疾患と健康な肝臓画像合成のための新しいGANアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-07-27T12:37:19Z)
• FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
  Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法である これにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。 コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。 本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-10T17:14:27Z)
• Multi-Slice Low-Rank Tensor Decomposition Based Multi-Atlas Segmentation: Application to Automatic Pathological Liver CT Segmentation [4.262342157729123]
  腹部CT像からの肝分画は,肝癌のコンピュータ診断と手術計画に必須のステップである。 現在、既存の肝セグメンテーション法の精度と堅牢性は臨床応用の要件を満たしていない。 低ランクテンソル分解(LRTD)ベースのマルチアトラス分割(MAS)フレームワークを提案し、CT画像の正確で堅牢な病理学的肝分割を実現する。
  論文  参考訳（メタデータ） (2021-02-24T04:09:39Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• 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)
• Automatic segmentation and determining radiodensity of the liver in a large-scale CT database [0.0]
  この技術は、様々な患者位置で得られたCT画像を幅広い露光パラメーターで処理するために使用することができる。 実際の大規模医療データベースでは、100万以上の研究で低用量CTスキャンを処理できる。
  論文  参考訳（メタデータ） (2019-12-31T12:41:05Z)

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。