論文の概要: KPIs 2024 Challenge: Advancing Glomerular Segmentation from Patch- to Slide-Level
- arxiv url: http://arxiv.org/abs/2502.07288v1
- Date: Tue, 11 Feb 2025 06:20:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-12 14:09:48.547649
- Title: KPIs 2024 Challenge: Advancing Glomerular Segmentation from Patch- to Slide-Level
- Title(参考訳): KPIs 2024 チャレンジ: 球面のセグメンテーションをパッチからスライドレベルに改善
- Authors: Ruining Deng, Tianyuan Yao, Yucheng Tang, Junlin Guo, Siqi Lu, Juming Xiong, Lining Yu, Quan Huu Cap, Pengzhou Cai, Libin Lan, Ze Zhao, Adrian Galdran, Amit Kumar, Gunjan Deotale, Dev Kumar Das, Inyoung Paik, Joonho Lee, Geongyu Lee, Yujia Chen, Wangkai Li, Zhaoyang Li, Xuege Hou, Zeyuan Wu, Shengjin Wang, Maximilian Fischer, Lars Kramer, Anghong Du, Le Zhang, Maria Sanchez Sanchez, Helena Sanchez Ulloa, David Ribalta Heredia, Carlos Perez de Arenaza Garcia, Shuoyu Xu, Bingdou He, Xinping Cheng, Tao Wang, Noemie Moreau, Katarzyna Bozek, Shubham Innani, Ujjwal Baid, Kaura Solomon Kefas, Bennett A. Landman, Yu Wang, Shilin Zhao, Mengmeng Yin, Haichun Yang, Yuankai Huo,
- Abstract要約: 慢性腎臓病(CKD)は、人口の10%以上に影響を及ぼし、重大な死亡を引き起こす世界的な問題である。
Kidney Pathology Image (KPIs) Challengeは、腎臓病理解析の進歩を目的としている。
- 参考スコア(独自算出の注目度): 33.50484395823484
- License:
- Abstract: Chronic kidney disease (CKD) is a major global health issue, affecting over 10% of the population and causing significant mortality. While kidney biopsy remains the gold standard for CKD diagnosis and treatment, the lack of comprehensive benchmarks for kidney pathology segmentation hinders progress in the field. To address this, we organized the Kidney Pathology Image Segmentation (KPIs) Challenge, introducing a dataset that incorporates preclinical rodent models of CKD with over 10,000 annotated glomeruli from 60+ Periodic Acid Schiff (PAS)-stained whole slide images. The challenge includes two tasks, patch-level segmentation and whole slide image segmentation and detection, evaluated using the Dice Similarity Coefficient (DSC) and F1-score. By encouraging innovative segmentation methods that adapt to diverse CKD models and tissue conditions, the KPIs Challenge aims to advance kidney pathology analysis, establish new benchmarks, and enable precise, large-scale quantification for disease research and diagnosis.
- Abstract(参考訳): 慢性腎臓病(CKD)は、人口の10%以上に影響を及ぼし、重大な死亡を引き起こす世界的な問題である。
腎生検はCKDの診断と治療のゴールドスタンダードであり続けているが、腎臓病のセグメンテーションのための包括的なベンチマークが欠如していることは、この分野の進歩を妨げる。
そのために、Kidney Pathology Image Segmentation (KPIs) Challengeを組織し、CKDの前臨床モデルと60+周期酸シッフ(PAS)の1万以上の注釈付き糸球体を含むデータセットを導入しました。
この課題には、パッチレベルのセグメンテーションとスライドイメージ全体のセグメンテーションと検出という2つのタスクが含まれており、Dice similarity Coefficient(DSC)とF1スコアを用いて評価されている。
さまざまなCKDモデルや組織条件に適応する革新的なセグメンテーション手法を奨励することで、KPIs Challengeは腎臓病理学解析の進歩、新しいベンチマークの確立、疾患研究と診断のための高精度で大規模な定量化の実現を目指している。
関連論文リスト
- Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。
本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
論文 参考訳(メタデータ) (2025-02-07T21:09:05Z) - KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。
我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。
提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
論文 参考訳(メタデータ) (2024-10-28T16:00:42Z) - Multi-Layer Feature Fusion with Cross-Channel Attention-Based U-Net for Kidney Tumor Segmentation [0.0]
U-Netベースのディープラーニング技術は、自動化された医用画像セグメンテーションのための有望なアプローチとして登場しつつある。
腎腫瘍の診断のためのCTスキャン画像のエンドツーエンド自動セマンティックセマンティックセグメンテーションのための改良されたU-Netモデルを提案する。
論文 参考訳(メタデータ) (2024-10-20T19:02:41Z) - AGFA-Net: Attention-Guided and Feature-Aggregated Network for Coronary Artery Segmentation using Computed Tomography Angiography [5.583495103569884]
CCTA画像を用いた冠動脈セグメンテーションのための注意誘導型3Dディープネットワーク(AGFA-Net)を提案する。
AGFA-Netは注意機構と機能改善モジュールを活用して、有能な特徴を捉え、セグメンテーションの精度を高める。
1000個のCCTAスキャンからなるデータセットの評価はAGFA-Netの優れた性能を示し、平均Dice係数は86.74%、ハウスドルフ距離は0.23mmである。
論文 参考訳(メタデータ) (2024-06-13T01:04:47Z) - AI-Driven Predictive Analytics Approach for Early Prognosis of Chronic Kidney Disease Using Ensemble Learning and Explainable AI [0.2399911126932527]
慢性腎臓病(英: chronic Kidney Disease、CKD)は、腎臓の構造と機能に大きな影響を及ぼし、最終的に腎不全を引き起こす異種性疾患である。
本研究の目的は、アンサンブル学習と説明可能なAIを用いて、早期予後とCKDの検出のための支配的特徴、特徴スコア、および値の可視化である。
論文 参考訳(メタデータ) (2024-06-10T18:46:14Z) - Deep Rib Fracture Instance Segmentation and Classification from CT on
the RibFrac Challenge [66.86170104167608]
RibFrac Challengeは、660のCTスキャンから5,000以上のリブ骨折のベンチマークデータセットを提供する。
MICCAI 2020チャレンジ期間中に243つの結果が評価され、7つのチームがチャレンジサマリーに参加するために招待された。
この分析により、いくつかのトップリブ骨折検出ソリューションが、人間の専門家と同等かそれ以上の性能を達成したことが明らかになった。
論文 参考訳(メタデータ) (2024-02-14T18:18:33Z) - Improving Lesion Segmentation in FDG-18 Whole-Body PET/CT scans using
Multilabel approach: AutoPET II challenge [0.039550447522409014]
肝臓、脾臓、脳、膀胱などの放射性物質の取り込みが増加する臓器の存在は、しばしば課題に繋がる。
本稿では, 臓器と病変のセグメンテーションに新たなアプローチを提案し, 自動病変セグメンテーション法の性能を高めることを目的とする。
以上の結果から,本手法がテストデータセットの上位ランキングを達成できたことが示唆された。
論文 参考訳(メタデータ) (2023-11-02T19:51:54Z) - Boundary-Aware Network for Kidney Parsing [18.75582522299797]
血管造影(CTA)スキャンで腎臓を分節する境界認識ネットワーク(BA-Net)を提案する。
モデルは共有エンコーダ、境界デコーダ、セグメンテーションデコーダを含む。
その結果,BA-Netの有効性が示された。
論文 参考訳(メタデータ) (2022-08-29T02:19:30Z) - AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment
Optical Coherence Tomography [61.405005501608706]
アングル閉鎖緑内障(ACG)は開角緑内障よりも攻撃的な疾患である。
前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は、開角度から角度閉鎖を識別する高速で接触のない方法を提供する。
既存のメソッドを均一に評価するためのパブリックなAS-OCTデータセットは存在しない。
私たちは,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。
論文 参考訳(メタデータ) (2020-05-05T14:55:01Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳(メタデータ) (2020-04-22T07:30:56Z)
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。