論文の概要: Efficiency vs. Efficacy: Assessing the Compression Ratio-Dice Score Relationship through a Simple Benchmarking Framework for Cerebrovascular 3D Segmentation

• arxiv url: http://arxiv.org/abs/2510.03769v1
• Date: Sat, 04 Oct 2025 10:37:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.241829
• Title: Efficiency vs. Efficacy: Assessing the Compression Ratio-Dice Score Relationship through a Simple Benchmarking Framework for Cerebrovascular 3D Segmentation
• Title（参考訳）: 効率と有効性:脳血管系3次元セグメンテーションのための簡易ベンチマークフレームワークによる圧縮比-次元スコア関係の評価
• Authors: Shimaa Elbana, Ahmad Kamal, Shahd Ahmed Ali, Ahmad Al-Kabbany,
• Abstract要約: ZFPは、高い忠実度を維持しながら、エラー耐性モードの22.89:1の比率で、実質的なデータ削減を実現することができる。 その結果、ZFPは大規模医療データセットのより効率的でアクセスしやすい研究を可能にするための、実用的で強力なツールであることが示された。
• 参考スコア（独自算出の注目度）: 0.5249805590164902
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The increasing size and complexity of medical imaging datasets, particularly in 3D formats, present significant barriers to collaborative research and transferability. This study investigates whether the ZFP compression technique can mitigate these challenges without compromising the performance of automated cerebrovascular segmentation, a critical first step in intracranial aneurysm detection. We apply ZFP in both its error tolerance and fixed-rate modes to a large scale, and one of the most recent, datasets in the literature, 3D medical dataset containing ground-truth vascular segmentations. The segmentation quality on the compressed volumes is rigorously compared to the uncompressed baseline (Dice approximately equals 0.8774). Our findings reveal that ZFP can achieve substantial data reduction--up to a 22.89:1 ratio in error tolerance mode--while maintaining a high degree of fidelity, with the mean Dice coefficient remaining high at 0.87656. These results demonstrate that ZFP is a viable and powerful tool for enabling more efficient and accessible research on large-scale medical datasets, fostering broader collaboration across the community.
• Abstract（参考訳）: 医用画像データセットのサイズと複雑さの増大、特に3Dフォーマットでは、共同研究と転送可能性に大きな障壁が生じる。 本研究は、脳動脈瘤検出における重要な第一歩である自動脳血管セグメンテーションの性能を損なうことなく、ZFP圧縮技術がこれらの課題を軽減することができるかどうかを考察する。 我々は,ZFPを誤差耐性と固定レートモードの両方を大規模に適用し,最近の文献における3次元医用データセットの1つとして,地絡血管のセグメンテーションを含む。 圧縮されたボリュームのセグメンテーション品質は、圧縮されていないベースラインと厳格に比較される(Diceは約0.8774)。 以上の結果から,ZFPは誤差許容モードの22.89:1比において,高い忠実度を維持しつつも,平均Dice係数が0.87656のままで,大幅なデータ削減が可能であることが判明した。 これらの結果は、ZFPが大規模医療データセットのより効率的でアクセスしやすい研究を可能にするための、実用的で強力なツールであることを示している。

関連論文リスト

• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Comprehensive Study on Lumbar Disc Segmentation Techniques Using MRI Data [0.0]
  本研究では,ResUnext,Ef3 Net,UNet,TransUNetなどの高度なディープラーニングアーキテクチャによる腰椎椎間板分割の有効性を評価する。 ResUnextは高いセグメンテーション精度を達成し、Pixelの精度は0.9492、Dice Coefficientは0.8425、TransUNetはそれに続く。
  論文  参考訳（メタデータ） (2024-12-25T12:54:52Z)
• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• Towards Synergistic Deep Learning Models for Volumetric Cirrhotic Liver Segmentation in MRIs [1.5228650878164722]
  世界的死亡の主な原因である肝硬変は、効果的な疾患モニタリングと治療計画のためにROIを正確に区分する必要がある。 既存のセグメンテーションモデルは、複雑な機能インタラクションをキャプチャして、さまざまなデータセットをまたいだ一般化に失敗することが多い。 本稿では、補間潜在空間を拡張的特徴相互作用モデリングに活用する新しい相乗論的理論を提案する。
  論文  参考訳（メタデータ） (2024-08-08T14:41:32Z)
• Spatial-aware Transformer-GRU Framework for Enhanced Glaucoma Diagnosis from 3D OCT Imaging [3.093890460224435]
  本稿では3次元光コヒーレンス・トモグラフィー(OCT)画像の診断値を利用した新しいディープラーニングフレームワークを提案する。 我々は、リッチスライスな特徴抽出のための網膜データに事前学習された視覚変換器と、スライス間空間依存性をキャプチャするための双方向Gated Recurrent Unitを統合する。
  論文  参考訳（メタデータ） (2024-03-08T22:25:15Z)
• Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
  本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。 管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
  論文  参考訳（メタデータ） (2024-01-11T19:07:58Z)
• Enhancing mTBI Diagnosis with Residual Triplet Convolutional Neural Network Using 3D CT [1.0621519762024807]
  3D Computed Tomography (CT) 画像を用いた mTBI 診断の革新的手法を提案する。 我々は,mTBI症例と健常症例を識別するために,Residual Triplet Convolutional Neural Network (RTCNN)モデルを提案する。 我々のRTCNNモデルはmTBI診断において有望な性能を示し、平均精度は94.3%、感度は94.1%、特異性は95.2%である。
  論文  参考訳（メタデータ） (2023-11-23T20:41:46Z)
• UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
  本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。 我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。 Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
  論文  参考訳（メタデータ） (2022-12-08T18:59:57Z)
• External Attention Assisted Multi-Phase Splenic Vascular Injury Segmentation with Limited Data [72.99534552950138]
  脾臓は腹部外傷において最も多く損傷を受けた固形臓器の1つである。 脾臓血管損傷の 正確な分節化は 以下の理由から 困難です
  論文  参考訳（メタデータ） (2022-01-04T02:35:56Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)

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。