論文の概要: Towards Population Scale Testis Volume Segmentation in DIXON MRI

• arxiv url: http://arxiv.org/abs/2410.22866v1
• Date: Wed, 30 Oct 2024 10:03:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:23:39.232158
• Title: Towards Population Scale Testis Volume Segmentation in DIXON MRI
• Title（参考訳）: DIXON MRIにおける集団規模精巣体積分割に向けて
• Authors: Jan Ernsting, Phillip Nikolas Beeken, Lynn Ogoniak, Jacqueline Kockwelp, Tim Hahn, Alexander Siegfried Busch, Benjamin Risse,
• Abstract要約: 本稿では,英国ビオバンクの磁気共鳴イメージングデータを用いて,精巣体積のセグメンテーション法の評価を行った。 最適なモデルでは、平均的なダイススコアが0.87ドルであり、同じデータセット上で人間の相互信頼度が0.83ドルであるのに対して、中央のダイススコアが0.83ドルである。
• 参考スコア（独自算出の注目度）: 36.99701512096226
• License:
• Abstract: Testis size is known to be one of the main predictors of male fertility, usually assessed in clinical workup via palpation or imaging. Despite its potential, population-level evaluation of testicular volume using imaging remains underexplored. Previous studies, limited by small and biased datasets, have demonstrated the feasibility of machine learning for testis volume segmentation. This paper presents an evaluation of segmentation methods for testicular volume using Magnet Resonance Imaging data from the UKBiobank. The best model achieves a median dice score of $0.87$, compared to median dice score of $0.83$ for human interrater reliability on the same dataset, enabling large-scale annotation on a population scale for the first time. Our overall aim is to provide a trained model, comparative baseline methods, and annotated training data to enhance accessibility and reproducibility in testis MRI segmentation research.
• Abstract（参考訳）: 精巣の大きさは、男性生殖の主要な予測因子の1つとして知られており、通常は触診や画像検査によって臨床検査で評価される。 その可能性にもかかわらず、画像を用いた精巣体積の個体群レベルでの評価は未定のままである。 従来の研究は、小さく偏りのあるデータセットによって制限されており、精巣ボリュームセグメンテーションのための機械学習の可能性を示している。 本稿では,英国ビオバンクの磁気共鳴イメージングデータを用いて,精巣体積のセグメンテーション法の評価を行った。 最適なモデルでは、平均的なダイススコアが0.87ドルであり、同じデータセット上で人間のインターラッター信頼性の中央値が0.83ドルであるのに対して、人口規模での大規模なアノテーションが初となる。 本研究の目的は, 精巣MRIセグメンテーション研究におけるアクセシビリティと再現性を高めるために, トレーニングモデル, 比較ベースライン法, 注釈付きトレーニングデータを提供することである。

関連論文リスト

• A novel open-source ultrasound dataset with deep learning benchmarks for spinal cord injury localization and anatomical segmentation [1.02101998415327]
  ブタ脊髄の矢状切片からなる10,223モード(Bモード)画像の超音波データセットを提案する。 損傷部位をローカライズするために,いくつかの最先端オブジェクト検出アルゴリズムの性能指標をベンチマークした。 ヒトの超音波脊髄画像におけるセグメンテーションモデルのゼロショット一般化能力を評価する。
  論文  参考訳（メタデータ） (2024-09-24T20:22:59Z)
• Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
  コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。 また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
  論文  参考訳（メタデータ） (2024-07-02T19:30:25Z)
• Debiasing Cardiac Imaging with Controlled Latent Diffusion Models [1.802269171647208]
  本稿では,データセットに固有の不均衡を,合成データの生成によって緩和する手法を提案する。 我々は,患者メタデータと心臓の形状から合成したテキストを条件に,拡散確率モデルに基づく制御ネットを採用する。 本実験は,データセットの不均衡を緩和する手法の有効性を実証するものである。
  論文  参考訳（メタデータ） (2024-03-28T15:41:43Z)
• Beyond Images: An Integrative Multi-modal Approach to Chest X-Ray Report Generation [47.250147322130545]
  画像からテキストまでの放射線学レポート生成は,医療画像の発見を記述した放射線学レポートを自動生成することを目的としている。 既存の方法の多くは画像データのみに焦点をあてており、他の患者情報は放射線科医に公開されていない。 胸部X線レポートを生成するための多モードディープニューラルネットワークフレームワークを,非構造的臨床ノートとともにバイタルサインや症状などの構造化された患者データを統合することで提案する。
  論文  参考訳（メタデータ） (2023-11-18T14:37:53Z)
• White Matter Tracts are Point Clouds: Neuropsychological Score Prediction and Critical Region Localization via Geometric Deep Learning [68.5548609642999]
  ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。 各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。 Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
  論文  参考訳（メタデータ） (2022-07-06T02:03:28Z)
• DeepTechnome: Mitigating Unknown Bias in Deep Learning Based Assessment of CT Images [44.62475518267084]
  私たちは、未知のバイアスに対するトレーニング中にディープラーニングモデルをデバイアスします。 制御領域は、バイアスに関する情報を伝達する代理として使用します。 強いバイアスを示すデータから学習する手法を応用し、対応する偏りのないデータを用いたトレーニングで観測された分類性能をほぼ完全に回復する。
  論文  参考訳（メタデータ） (2022-05-26T12:18:48Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Ensemble of CNN classifiers using Sugeno Fuzzy Integral Technique for Cervical Cytology Image Classification [1.6986898305640261]
  頸がんの単細胞画像とスライド画像の分類を完全自動化するコンピュータ支援診断ツールを提案する。 我々は、Sugeno Fuzzy Integralを使用して、Inception v3、DenseNet-161、ResNet-34という3つの人気のあるディープラーニングモデルの意思決定スコアをアンサンブルする。
  論文  参考訳（メタデータ） (2021-08-21T08:41:41Z)
• Deep learning in magnetic resonance prostate segmentation: A review and a new perspective [4.453410156617238]
  MR前立腺セグメンテーションにおける最先端のディープラーニングアルゴリズムについて概説する。 その限界と強みを議論することで、この分野に洞察を与えます。 MR前立腺セグメンテーションのための最適化された2次元U-Netを提案する。
  論文  参考訳（メタデータ） (2020-11-16T08:58:38Z)
• Prediction of Thrombectomy Functional Outcomes using Multimodal Data [2.358784542343728]
  本稿では,マルチモーダルデータを直接活用し,血管内治療の成功を推定するための新しいディープラーニング手法を提案する。 我々は、チャネルワイドおよび空間的にグローバルな特徴間距離をモデル化するためのアテンションメカニズムをアーキテクチャに組み込んだ。
  論文  参考訳（メタデータ） (2020-05-26T21:51:58Z)

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。