論文の概要: Predicting Patient Survival with Airway Biomarkers using nn-Unet/Radiomics
- arxiv url: http://arxiv.org/abs/2506.11677v1
- Date: Fri, 13 Jun 2025 11:16:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-16 17:50:49.763573
- Title: Predicting Patient Survival with Airway Biomarkers using nn-Unet/Radiomics
- Title（参考訳）: nn-Unet/Radiomicsを用いた気道バイオマーカーの生存予測
- Authors: Zacharia Mesbah, Dhruv Jain, Tsiry Mayet, Romain Modzelewski, Romain Herault, Simon Bernard, Sebastien Thureau, Clement Chatelain,
- Abstract要約: AIIB 2023コンペティションの主な目的は、肺線維症患者の生存率を決定するために、気道画像バイオマーカーの予測的意義を評価することである。
本研究は総合的な3段階アプローチを導入する。
気管を中心とする放射能画像と、気道を囲む囲む箱から、重要な特徴を抽出する。
このステップは、気道の構造と寸法に符号化された関連する情報と同様に、気管領域内での致命的な生存関連洞察の存在の可能性によって動機付けられている。
- 参考スコア（独自算出の注目度）: 3.333077344166276
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The primary objective of the AIIB 2023 competition is to evaluate the predictive significance of airway-related imaging biomarkers in determining the survival outcomes of patients with lung fibrosis.This study introduces a comprehensive three-stage approach. Initially, a segmentation network, namely nn-Unet, is employed to delineate the airway's structural boundaries. Subsequently, key features are extracted from the radiomic images centered around the trachea and an enclosing bounding box around the airway. This step is motivated by the potential presence of critical survival-related insights within the tracheal region as well as pertinent information encoded in the structure and dimensions of the airway. Lastly, radiomic features obtained from the segmented areas are integrated into an SVM classifier. We could obtain an overall-score of 0.8601 for the segmentation in Task 1 while 0.7346 for the classification in Task 2.
- Abstract（参考訳）: AIIB 2023コンペティションの主な目的は、肺線維症患者の生存率を決定するために、気道画像バイオマーカーの予測的意義を評価することである。
当初、航空路の構造的境界を定めるために、n-Unetと呼ばれるセグメンテーションネットワークが使用されている。
その後、気管を中心とする放射像と、気道を囲む囲み箱とから鍵特徴を抽出する。
このステップは、気道の構造と寸法に符号化された関連する情報と同様に、気管領域内での致命的な生存関連洞察の存在の可能性によって動機付けられている。
最後に、分割領域から得られた放射能特徴をSVM分類器に統合する。
タスク1のセグメンテーションでは0.8601、タスク2の分類では0.7346のスコアが得られる。
関連論文リスト
- Explainable Anatomy-Guided AI for Prostate MRI: Foundation Models and In Silico Clinical Trials for Virtual Biopsy-based Risk Assessment [3.5408411348831232]
MRIによる前立腺癌(PCa)のリスク階層化のための,完全に自動化された,解剖学的に指導されたディープラーニングパイプラインを提案する。
パイプラインは、前立腺とそのゾーンを軸方向のT2強調MRI上にセグメント化するためのnnU-Netモジュール、オプションの解剖学的先行と臨床データで3Dパッチに微調整されたDiceedPT Swin Transformer基盤モデルに基づく分類モジュール、決定駆動画像領域をローカライズする反ファクトなヒートマップを生成するVAE-GANフレームワークの3つの重要なコンポーネントを統合する。
論文 参考訳（メタデータ） (2025-05-23T14:40:09Z) - Topology-Aware Wavelet Mamba for Airway Structure Segmentation in Postoperative Recurrent Nasopharyngeal Carcinoma CT Scans [5.139044065222533]
鼻咽喉頭癌(NPC)患者は放射線治療や化学療法を受け、術後合併症を来すことがある。
TopoWMambaは,術後気道リスク評価の課題に対処するために設計された,新しいセグメンテーションモデルである。
TopoWMambaは、ウェーブレットベースのマルチスケール特徴抽出、状態空間シーケンスモデリング、トポロジー対応モジュールを組み合わせて、CTスキャンで気道関連構造を堅牢に分割する。
論文 参考訳（メタデータ） (2025-02-20T08:40:41Z) - 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) - Multi-Model Ensemble Approach for Accurate Bi-Atrial Segmentation in LGE-MRI of Atrial Fibrillation Patients [3.676588766498097]
心房細動(AF)は、心臓不整脈の最も多い形態であり、死亡率と死亡率の増加と関連している。
この研究は、Unet、ResNet、EfficientNet、VGGを含む複数の機械学習モデルを統合するアンサンブルアプローチを示し、LGE-MRIデータから自動両房セグメンテーションを実行する。
論文 参考訳（メタデータ） (2024-09-24T13:33:46Z) - Domain and Content Adaptive Convolutions for Cross-Domain Adenocarcinoma Segmentation [0.44569778071604066]
我々はCOSAS(Cross-Organ and Cross-Scanner Adenocarcinoma)課題に取り組むためのU-Netベースのセグメンテーションフレームワークを提案する。
提案手法は,最終チャレンジテストセットのクロススキャントラックでは0.8020,クロススキャントラックでは0.8527のセグメンテーションスコアを得た。
論文 参考訳（メタデータ） (2024-09-15T17:08:34Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - Differentiable Topology-Preserved Distance Transform for Pulmonary
Airway Segmentation [34.22415353209505]
気道セグメンテーションの性能を向上させるために, 位相保存距離変換(DTPDT)フレームワークを提案する。
The Topology-Preserved Surrogate (TPS) learning strategy was first proposed to balance the training progress within-class distribution。
The Convolutional Distance Transform (CDT) is designed to identify the breakage phenomenon with superior sensitivity and minimize the variation of the distance map between the prediction and ground-truth。
論文 参考訳（メタデータ） (2022-09-17T15:47:01Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z) - 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。