論文の概要: PanTS: The Pancreatic Tumor Segmentation Dataset

• arxiv url: http://arxiv.org/abs/2507.01291v1
• Date: Wed, 02 Jul 2025 02:10:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.982417
• Title: PanTS: The Pancreatic Tumor Segmentation Dataset
• Title（参考訳）: PanTS: 膵腫瘍のセグメンテーションデータセット
• Authors: Wenxuan Li, Xinze Zhou, Qi Chen, Tianyu Lin, Pedro R. A. S. Bassi, Szymon Plotka, Jaroslaw B. Cwikla, Xiaoxi Chen, Chen Ye, Zheren Zhu, Kai Ding, Heng Li, Kang Wang, Yang Yang, Yucheng Tang, Daguang Xu, Alan L. Yuille, Zongwei Zhou,
• Abstract要約: PanTSは、膵CT解析の研究を進めるためにキュレーションされた、大規模で多施設のデータセットである。 145の医療センターから36,390個のCTスキャンをスキャンし、993,000以上の解剖学的構造を専門家が検証した。
• 参考スコア（独自算出の注目度）: 49.32814895560867
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: PanTS is a large-scale, multi-institutional dataset curated to advance research in pancreatic CT analysis. It contains 36,390 CT scans from 145 medical centers, with expert-validated, voxel-wise annotations of over 993,000 anatomical structures, covering pancreatic tumors, pancreas head, body, and tail, and 24 surrounding anatomical structures such as vascular/skeletal structures and abdominal/thoracic organs. Each scan includes metadata such as patient age, sex, diagnosis, contrast phase, in-plane spacing, slice thickness, etc. AI models trained on PanTS achieve significantly better performance in pancreatic tumor detection, localization, and segmentation compared to those trained on existing public datasets. Our analysis indicates that these gains are directly attributable to the 16x larger-scale tumor annotations and indirectly supported by the 24 additional surrounding anatomical structures. As the largest and most comprehensive resource of its kind, PanTS offers a new benchmark for developing and evaluating AI models in pancreatic CT analysis.
• Abstract（参考訳）: PanTSは、膵CT解析の研究を進めるためにキュレーションされた、大規模で多施設のデータセットである。 145の医療センターから36,390個のCTスキャンをスキャンし、993,000以上の解剖学的構造を専門家が検証し、膵腫瘍、膵頭部、体、尾部をカバーし、血管・骨格構造や腹部・胸部臓器などの解剖学的構造を24個含む。 各スキャンには、患者の年齢、性別、診断、コントラストフェーズ、平面内間隔、スライス厚さなどのメタデータが含まれている。 PanTSでトレーニングされたAIモデルは、既存の公開データセットでトレーニングされたモデルと比較して、膵腫瘍の検出、局所化、セグメンテーションにおいて大幅にパフォーマンスが向上する。 解析の結果,これらは16倍の腫瘍アノテーションに直接寄与し,周囲の解剖学的構造が24個追加で間接的に支持されていることが示唆された。 この種の最大かつ最も包括的なリソースであるPanTSは、膵CT解析におけるAIモデルの開発と評価のための新しいベンチマークを提供する。

関連論文リスト

• A Continual Learning-driven Model for Accurate and Generalizable Segmentation of Clinically Comprehensive and Fine-grained Whole-body Anatomies in CT [67.34586036959793]
  完全に注釈付きCTデータセットは存在せず、すべての解剖学がトレーニングのために記述されている。 完全解剖を分割できる連続学習駆動CTモデルを提案する。 単体CT分割モデルCL-Netは, 臨床的に包括的に包括的に235個の粒状体解剖の集合を高精度に分割することができる。
  論文  参考訳（メタデータ） (2025-03-16T23:55:02Z)
• Automatic Organ and Pan-cancer Segmentation in Abdomen CT: the FLARE 2023 Challenge [15.649976310277099]
  腹部CT検査における臓器・癌の分節化は,正確な癌診断と治療の必要条件である。 既存のベンチマークやアルゴリズムは、特定のがんタイプに合わせて調整されており、包括的ながん分析を提供する能力を制限する。 この研究は、大規模で多様なデータセットを提供することにより、腹部臓器と膵臓の分節に関する最初の国際コンペティションである。
  論文  参考訳（メタデータ） (2024-08-22T16:38:45Z)
• Rethinking Abdominal Organ Segmentation (RAOS) in the clinical scenario: A robustness evaluation benchmark with challenging cases [18.908677670131276]
  RAOSデータセットは、17例(男性)または19例(男性)のラベル付き臓器を持つ413例のCT413例からなる。 1) 診断・放射線療法(第317巻), 2) 全臓器欠損のない部分切除(第22巻), 3) 全臓器欠失を伴う部分切除(第74巻)に分類した。 RAOSは臓器幻覚を含むモデルの堅牢性を評価するための潜在的なベンチマークを提供する。
  論文  参考訳（メタデータ） (2024-06-19T16:23:42Z)
• RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
  RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。 私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
  論文  参考訳（メタデータ） (2024-04-25T17:11:37Z)
• 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)
• Multi-Contrast Computed Tomography Atlas of Healthy Pancreas [20.701287373470425]
  臓器特異的解析のための形態的変動に適応するためには,体積空間参照が必要である。 膵臓に特異的に最適化されたCTアトラスフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-02T18:16:21Z)
• TotalSegmentator: robust segmentation of 104 anatomical structures in CT images [48.50994220135258]
  身体CT画像の深層学習セグメント化モデルを提案する。 このモデルは、臓器の容積、疾患の特徴、外科的または放射線療法計画などのユースケースに関連する104の解剖学的構造を区分することができる。
  論文  参考訳（メタデータ） (2022-08-11T15:16:40Z)
• 3D Graph Anatomy Geometry-Integrated Network for Pancreatic Mass Segmentation, Diagnosis, and Quantitative Patient Management [21.788423806147378]
  膵管腺癌(PDAC)と他の9つの非PDAC腫とを多相CT画像で区別する。 患者レベルの診断を行うための総合的セグメンテーション・メシュ分類網(SMCN)を提案する。
  論文  参考訳（メタデータ） (2020-12-08T19:38:01Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。