論文の概要: Benchmark of Segmentation Techniques for Pelvic Fracture in CT and X-ray: Summary of the PENGWIN 2024 Challenge

• arxiv url: http://arxiv.org/abs/2504.02382v1
• Date: Thu, 03 Apr 2025 08:19:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-04 12:57:30.513491
• Title: Benchmark of Segmentation Techniques for Pelvic Fracture in CT and X-ray: Summary of the PENGWIN 2024 Challenge
• Title（参考訳）: CTおよびX線による骨盤骨折に対する骨片分割術のベンチマーク: PENGWIN 2024 チャレンジの概要
• Authors: Yudi Sang, Yanzhen Liu, Sutuke Yibulayimu, Yunning Wang, Benjamin D. Killeen, Mingxu Liu, Ping-Cheng Ku, Ole Johannsen, Karol Gotkowski, Maximilian Zenk, Klaus Maier-Hein, Fabian Isensee, Peiyan Yue, Yi Wang, Haidong Yu, Zhaohong Pan, Yutong He, Xiaokun Liang, Daiqi Liu, Fuxin Fan, Artur Jurgas, Andrzej Skalski, Yuxi Ma, Jing Yang, Szymon Płotka, Rafał Litka, Gang Zhu, Yingchun Song, Mathias Unberath, Mehran Armand, Dan Ruan, S. Kevin Zhou, Qiyong Cao, Chunpeng Zhao, Xinbao Wu, Yu Wang,
• Abstract要約: PENGWINは自動破折セグメンテーションを推し進めることを目的としていた。 トップパフォーマンスCTアルゴリズムは、平均的なフラグメントワイド結合(IoU)を0.930で達成し、良好な精度を示した。 最も優れたアルゴリズムは0.774のIoUに達し、解剖学的構造が重なり合うことによって生じる大きな課題を浮き彫りにした。
• 参考スコア（独自算出の注目度）: 20.058385954540082
• License:
• Abstract: The segmentation of pelvic fracture fragments in CT and X-ray images is crucial for trauma diagnosis, surgical planning, and intraoperative guidance. However, accurately and efficiently delineating the bone fragments remains a significant challenge due to complex anatomy and imaging limitations. The PENGWIN challenge, organized as a MICCAI 2024 satellite event, aimed to advance automated fracture segmentation by benchmarking state-of-the-art algorithms on these complex tasks. A diverse dataset of 150 CT scans was collected from multiple clinical centers, and a large set of simulated X-ray images was generated using the DeepDRR method. Final submissions from 16 teams worldwide were evaluated under a rigorous multi-metric testing scheme. The top-performing CT algorithm achieved an average fragment-wise intersection over union (IoU) of 0.930, demonstrating satisfactory accuracy. However, in the X-ray task, the best algorithm attained an IoU of 0.774, highlighting the greater challenges posed by overlapping anatomical structures. Beyond the quantitative evaluation, the challenge revealed methodological diversity in algorithm design. Variations in instance representation, such as primary-secondary classification versus boundary-core separation, led to differing segmentation strategies. Despite promising results, the challenge also exposed inherent uncertainties in fragment definition, particularly in cases of incomplete fractures. These findings suggest that interactive segmentation approaches, integrating human decision-making with task-relevant information, may be essential for improving model reliability and clinical applicability.
• Abstract（参考訳）: CTおよびX線画像における骨盤破砕片の分節化は,外傷診断,手術計画,術中指導に不可欠である。 しかし、複雑な解剖学と画像の限界のために、骨の断片を正確に、効率的に切り離すことは重要な課題である。 MICCAI 2024衛星イベントとして組織されたPENGWINチャレンジは、これらの複雑なタスクで最先端のアルゴリズムをベンチマークすることで、自動破折セグメンテーションを推し進めることを目的としていた。 複数の臨床センターから150個のCTスキャンの多様なデータセットを収集し,DeepDRR法を用いてシミュレーションX線画像の大規模なセットを作成した。 世界中の16チームからの最終的な応募は、厳格なマルチメトリックテストスキームで評価された。 トップパフォーマンスCTアルゴリズムは、平均的なフラグメントワイド結合(IoU)を0.930で達成し、良好な精度を示した。 しかしながら、X線処理では、最良のアルゴリズムは0.774のIoUに達し、解剖学的構造が重なり合うことで生じる大きな課題を浮き彫りにした。 定量的評価の他に、アルゴリズム設計の方法論的多様性が明らかになった。 一次2次分類と境界コア分離のようなインスタンス表現のバリエーションは、異なるセグメンテーション戦略を導いた。 有望な結果にもかかわらず、この挑戦は破片の定義に固有の不確実性、特に不完全な骨折の場合も明らかにした。 これらの結果から,人間の意思決定とタスク関連情報を統合した対話的セグメンテーションアプローチが,モデルの信頼性と臨床応用性の向上に不可欠である可能性が示唆された。

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)
• 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)
• 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)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Mitosis domain generalization in histopathology images -- The MIDOG challenge [12.69088811541426]
  病理学者による有糸分裂像の認識は、強い層間バイアスを受けており、予後の値が制限される。 最先端のディープラーニング手法は、この評価のエキスパートを支援することができるが、トレーニングに使われたものとは異なる臨床環境に適用した場合、非常に劣化することが知られている。 MICCAI MIDOG 2021の課題は、スキャナ非依存性ミトーシス検出アルゴリズムを導出する手法の提案と評価である。
  論文  参考訳（メタデータ） (2022-04-06T11:43:10Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Automated femur segmentation from computed tomography images using a deep neural network [0.0]
  骨粗しょう症(英: osteoporosis)は、骨の再生が古い骨の喪失に追いつかず、骨折のリスクが高まるという一般的な骨疾患である。 我々は, 深部畳み込みニューラルネットワークを用いて, CTスキャンから大腿骨の正確な, 自動化され, 堅牢で, 高速なセグメンテーションを創出する, 大腿骨近位部セグメンテーションのための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-01-27T23:37:56Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)
• 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)

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。