論文の概要: BPD-Neo: An MRI Dataset for Lung-Trachea Segmentation with Clinical Data for Neonatal Bronchopulmonary Dysplasia

• arxiv url: http://arxiv.org/abs/2506.23305v1
• Date: Sun, 29 Jun 2025 15:51:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.818954
• Title: BPD-Neo: An MRI Dataset for Lung-Trachea Segmentation with Clinical Data for Neonatal Bronchopulmonary Dysplasia
• Title（参考訳）: BPD-Neo : 新生児気管支肺動脈異形成症の臨床データを用いた肺-気管分離術のMRIデータセット
• Authors: Rachit Saluja, Arzu Kovanlikaya, Candace Chien, Lauren Kathryn Blatt, Jeffrey M. Perlman, Stefan Worgall, Mert R. Sabuncu, Jonathan P. Dyke,
• Abstract要約: 気管支肺異形成症(BPD)は早期新生児に多い合併症である。 肺磁気共鳴画像(MRI)は、鎮静と放射線を避ける非侵襲的な代替手段を提供する。
• 参考スコア（独自算出の注目度）: 4.867338790724012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bronchopulmonary dysplasia (BPD) is a common complication among preterm neonates, with portable X-ray imaging serving as the standard diagnostic modality in neonatal intensive care units (NICUs). However, lung magnetic resonance imaging (MRI) offers a non-invasive alternative that avoids sedation and radiation while providing detailed insights into the underlying mechanisms of BPD. Leveraging high-resolution 3D MRI data, advanced image processing and semantic segmentation algorithms can be developed to assist clinicians in identifying the etiology of BPD. In this dataset, we present MRI scans paired with corresponding semantic segmentations of the lungs and trachea for 40 neonates, the majority of whom are diagnosed with BPD. The imaging data consist of free-breathing 3D stack-of-stars radial gradient echo acquisitions, known as the StarVIBE series. Additionally, we provide comprehensive clinical data and baseline segmentation models, validated against clinical assessments, to support further research and development in neonatal lung imaging.
• Abstract（参考訳）: 気管支肺機能低下症(BPD)は早期新生児に共通する合併症であり,新生児集中治療単位(NICUs)の標準診断法として携帯型X線画像が有用である。 しかし、肺磁気共鳴イメージング(MRI)は鎮静と放射線を避ける非侵襲的な代替手段を提供し、BPDの基盤となるメカニズムについて詳細な知見を提供する。 高分解能な3次元MRIデータ、高度な画像処理、セマンティックセグメンテーションアルゴリズムを活用することで、臨床医がBPDの病因を特定するのを支援することができる。 今回,40名の新生児の肺と気管のセマンティックセグメンテーションとを併用したMRI検査を行い,その大部分はBPDと診断された。 画像データは、スターVIBEシリーズとして知られる3Dスタック・オブ・スターのラジアル勾配エコー取得で構成されている。 さらに,新生児肺画像のさらなる研究と開発を支援するため,臨床評価に反する包括的臨床データとベースラインセグメンテーションモデルを提供する。

関連論文リスト

• Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
  超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。 我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
  論文  参考訳（メタデータ） (2024-04-15T02:41:55Z)
• 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)
• UMedNeRF: Uncertainty-aware Single View Volumetric Rendering for Medical Neural Radiance Fields [38.62191342903111]
  生成した放射場に基づく不確実性を考慮したMedNeRF(UMedNeRF)ネットワークを提案する。 我々は,CTプロジェクションレンダリングの結果を1つのX線で示し,生成した放射場に基づく他の手法との比較を行った。
  論文  参考訳（メタデータ） (2023-11-10T02:47:15Z)
• Post-Hoc Explainability of BI-RADS Descriptors in a Multi-task Framework for Breast Cancer Detection and Segmentation [48.08423125835335]
  MT-BI-RADSは乳房超音波(BUS)画像における腫瘍検出のための新しい深層学習手法である。 放射線科医が腫瘍の悪性度を予測するための意思決定プロセスを理解するための3つのレベルの説明を提供する。
  論文  参考訳（メタデータ） (2023-08-27T22:07:42Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• MDF-Net for abnormality detection by fusing X-rays with clinical data [14.347359031598813]
  本研究は,患者の臨床情報が深層学習(DL)分類器の性能に及ぼす影響について検討した。 患者の臨床データと胸部X線を同時に処理できる2つの融合法からなる新しいアーキテクチャを提案する。 その結果, 患者の臨床データをDLモデルに組み込むことで, 胸部X線像の病的局在を平均精度で12%改善できることがわかった。
  論文  参考訳（メタデータ） (2023-02-26T19:16:57Z)
• 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)
• MedNeRF: Medical Neural Radiance Fields for Reconstructing 3D-aware CT-Projections from a Single X-ray [14.10611608681131]
  過剰な電離放射線は、体に決定論的かつ有害な影響をもたらす可能性がある。 本稿では,CTプロジェクションの再構成を学習する深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-02-02T13:25:23Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)

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。