Fugu-MT 論文翻訳(概要): Divide and Conquer: A Large-Scale Dataset and Model for Left-Right Breast MRI Segmentation

論文の概要: Divide and Conquer: A Large-Scale Dataset and Model for Left-Right Breast MRI Segmentation

arxiv url: http://arxiv.org/abs/2507.13830v1
Date: Fri, 18 Jul 2025 11:39:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-21 20:43:26.26913
Title: Divide and Conquer: A Large-Scale Dataset and Model for Left-Right Breast MRI Segmentation
Title（参考訳）: Divide and Conquer: 左乳房MRI分割のための大規模データセットとモデル
Authors: Maximilian Rokuss, Benjamin Hamm, Yannick Kirchhoff, Klaus Maier-Hein,
Abstract要約: 今回,左右乳房区分けラベルを明示した初めての乳房MRIデータセットについて紹介する。左乳房分節訓練のための頑健なディープラーニングモデルを提供する。
参考スコア（独自算出の注目度）: 0.10962844826540226
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce the first publicly available breast MRI dataset with explicit left and right breast segmentation labels, encompassing more than 13,000 annotated cases. Alongside this dataset, we provide a robust deep-learning model trained for left-right breast segmentation. This work addresses a critical gap in breast MRI analysis and offers a valuable resource for the development of advanced tools in women's health. The dataset and trained model are publicly available at: www.github.com/MIC-DKFZ/BreastDivider
Abstract（参考訳）: 13,000例以上のアノテート症例を対象とし, 左右乳房セグメンテーションラベルを明示した初回乳房MRIデータセットについて紹介した。このデータセットに加えて、左乳房のセグメンテーションのために訓練された堅牢なディープラーニングモデルも提供します。この研究は、乳房MRI解析における重要なギャップに対処し、女性の健康における高度なツールの開発に有用な資源を提供する。データセットとトレーニングされたモデルは、www.github.com/MIC-DKFZ/BreastDividerで公開されている。

関連論文リスト

BreastSegNet: Multi-label Segmentation of Breast MRI [12.138053457221002]
BreastSegNetは乳房MRIのためのマルチラベルセグメンテーションアルゴリズムである。線維腺組織(FGT)、血管、筋肉、骨、病変、リンパ節、心臓、肝臓、インプラントの9つの解剖学的ラベルを含んでいる。 nnU-Net ResEncMは全レーベルの平均Diceスコアが0.694である。
論文参考訳（メタデータ） (2025-07-18T02:16:00Z)
MRGen: Segmentation Data Engine for Underrepresented MRI Modalities [59.61465292965639]
稀ながら臨床的に重要な画像モダリティのための医用画像分割モデルの訓練は、注釈付きデータの不足により困難である。本稿では,データ合成における生成モデルの利用について検討する。本稿では,テキストプロンプトとセグメンテーションマスクを条件とした医用画像合成のためのデータエンジンMRGenを提案する。
論文参考訳（メタデータ） (2024-12-04T16:34:22Z)
A large-scale multicenter breast cancer DCE-MRI benchmark dataset with expert segmentations [25.560722967959343]
原発性腫瘍および非質量強調領域の鑑別を含む,T1強調ダイナミックコントラスト強調MRI症例1506例のデータセットを報告する。このデータセットは、The Cancer Imaging Archive(TCIA)の4つのコレクションからの画像データを統合する。データセットには49の調和した臨床および人口統計変数と、注釈付きデータに基づいてトレーニングされたベースラインnnU-Netモデルのための事前トレーニングされた重みが含まれている。
論文参考訳（メタデータ） (2024-06-19T21:11:46Z)
fastMRI Breast: A publicly available radial k-space dataset of breast dynamic contrast-enhanced MRI [1.082144972650953]
このデータキュレーション作業は、乳房MRI検査で取得した乳房DCE-MRIのための放射状k空間とDICOMデータの大規模なデータセットを初めて導入する。本データセットは, 患者年齢, 更年期状態, 病変(陰性, 良性, 悪性) および各症例の病変タイプを示す症例レベルラベルを含む。
論文参考訳（メタデータ） (2024-06-07T21:37:48Z)
BC-MRI-SEG: A Breast Cancer MRI Tumor Segmentation Benchmark [4.261090951843438]
本稿では,MRI データセットをベースとした二成分性乳癌腫瘍分類のためのベンチマークを提案する。ベンチマークは合計4つのデータセットで構成され、教師付きトレーニングと評価に2つのデータセット、ゼロショット評価に2つのデータセットが使用される。
論文参考訳（メタデータ） (2024-04-21T19:42:28Z)
Multi-Head Feature Pyramid Networks for Breast Mass Detection [48.24995569980701]
本稿では,MHFPN (Multi-head Feature pyramid Module) を提案する。実験により、SOTA検出ベースラインと比較して、一般的に使用されるInbreastデータセットでは、我々の手法は6.58%(AP@50では6.58%、TPR@50では5.4%(TPR@50では5.4%)の改善が見られた。
論文参考訳（メタデータ） (2023-02-22T03:02:52Z)
Advancing Radiograph Representation Learning with Masked Record Modeling [52.04899592688968]
我々は2つの相補的な目的として自己と報告の補完を定式化し、マスク付きレコードモデリング(MRM)に基づく統一的な枠組みを提案する。 MRMは、知識強化されたセマンティック表現を学ぶためのマルチタスクスキームに従って、マスクされた画像パッチとマスクされたレポートトークンを再構築する。具体的には、MRMはラベル効率の良い微調整において優れた性能を提供する。
論文参考訳（メタデータ） (2023-01-30T18:33:32Z)
RibSeg v2: A Large-scale Benchmark for Rib Labeling and Anatomical Centerline Extraction [49.715490897822264]
バイナリリブセグメンテーションタスクの以前のデータセット(RibSeg)を、RibSeg v2という包括的なベンチマークに拡張しています。 RibSeg v2に基づいて,リブラベリングのための深層学習に基づく手法と,中心線抽出のためのスケルトン化に基づく手法を含むパイプラインを開発する。
論文参考訳（メタデータ） (2022-10-18T00:55:37Z)
RibSeg Dataset and Strong Point Cloud Baselines for Rib Segmentation from CT Scans [62.16198969529679]
CT(Computed tomography)スキャンにおける手動リブ検査は臨床的に重要であるが、労働集約的である。公開データセットから490個のCTスキャン(11,719個のリブ)を含むラベル付きリブセグメンテーションベンチマークemphRibSegを開発した。入力からスパルスボクセルをしきい値とし,リブセグメンテーションのための点群ベースライン法を設計した。
論文参考訳（メタデータ） (2021-09-17T16:17:35Z)
Global Guidance Network for Breast Lesion Segmentation in Ultrasound Images [84.03487786163781]
我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
論文参考訳（メタデータ） (2021-04-05T13:15:22Z)
Two-stage multi-scale breast mass segmentation for full mammogram analysis without user intervention [2.7490008316742096]
マンモグラフィーは乳がんの早期発見と診断に使用される主要な画像モダリティである。各種の乳腺異常のうち,乳腺癌では腫瘤が最も重要な臨床所見である。高分解能フルマンモグラムから正確な質量輪郭を提供する2段階のマルチスケールパイプラインを提案する。
論文参考訳（メタデータ） (2020-02-27T13:16:22Z)

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。