論文の概要: Comparison of different segmentation algorithms on brain volume and fractal dimension in infant brain MRIs

• arxiv url: http://arxiv.org/abs/2512.12222v1
• Date: Sat, 13 Dec 2025 07:23:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.17293
• Title: Comparison of different segmentation algorithms on brain volume and fractal dimension in infant brain MRIs
• Title（参考訳）: 乳児脳MRIにおける脳体積とフラクタル次元の異なるセグメンテーションアルゴリズムの比較
• Authors: Nathalie Alexander, Arnaud Gucciardi, Umberto Michelucci,
• Abstract要約: SynthSegとSamSegの2つの手法は、Dice, Intersection over Union, 95th-centile Hausdorff distance, Normalized Mutual Informationを用いて専門家のアノテーションに対して評価された。 SynthSegは, 小児MRIにおいて最も信頼性の高い容積とFD値を示したが, 容積とFDの形態的差は小さかった。
• 参考スコア（独自算出の注目度）: 1.772560621487328
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate segmentation of infant brain MRI is essential for quantifying developmental changes in structure and complexity. However, ongoing myelination and reduced tissue contrast make automated segmentation particularly challenging. This study systematically compared segmentation accuracy and its impact on volumetric and fractal dimension (FD) estimates in infant brain MRI using the Baby Open Brains (BOB) dataset (71 scans, 1-9 months). Two methods, SynthSeg and SamSeg, were evaluated against expert annotations using Dice, Intersection over Union, 95th-percentile Hausdorff distance, and Normalised Mutual Information. SynthSeg outperformed SamSeg across all quality metrics (mean Dice > 0.8 for major regions) and provided volumetric estimates closely matching the manual reference (mean +4% [-28% - 71%]). SamSeg systematically overestimated ventricular and whole-brain volumes (mean +76% [-12% - 190%]). Segmentation accuracy improved with age, consistent with increasing tissue contrast during myelination. Fractal dimension a(FD) nalyses revealed significant regional differences between SynthSeg and expert segmentations, and Bland-Altman limits of agreement indicated that segmentation-related FD variability exceeded most group differences reported in developmental cohorts. Volume and FD deviations were positively correlated across structures, indicating that segmentation bias directly affects FD estimation. Overall, SynthSeg provided the most reliable volumetric and FD results for paediatric MRI, yet small morphological differences in volume and FD should be interpreted with caution due to segmentation-related uncertainty.
• Abstract（参考訳）: 乳児脳MRIの正確なセグメンテーションは、構造と複雑さの発達変化の定量化に不可欠である。 しかし、進行する髄化と組織コントラストの低下は、特に自動セグメンテーションを困難にしている。 本研究では,Bby Open Brains (BOB) データセット (71スキャン, 1-9ヶ月) を用いて, 乳児脳MRIにおける分画精度と体積次元およびフラクタル次元(FD)推定への影響を系統的に比較した。 SynthSegとSamSegの2つの手法は、Dice, Intersection over Union, 95th-centile Hausdorff distance, Normalized Mutual Informationを用いて専門家のアノテーションに対して評価された。 SynthSegはすべての品質指標(主要地域ではDice > 0.8)でSamSegを上回り、手動参照と密接に一致するボリューム推定(平均+4% [-28% - 71%])を提供した。 SamSegは、系統的に心室および全脳容積(平均+76% [-12% - 190%])を過大評価した。 セグメンテーションの精度は年齢とともに改善し,ミエリン化時の組織コントラストの増大と一致した。 フラクタル次元a(FD)解析では,SynthSegとエキスパートセグメンテーションの間に有意な地域差が認められた。 体積とFDの偏差は構造間で正の相関を示し, 偏差が直接FD推定に影響を及ぼすことを示した。 全体としては、SynthSegは小児MRIにおいて最も信頼性の高い容積とFDの成績を示したが、容積とFDの小さな形態的差異はセグメンテーションに関連する不確実性から慎重に解釈すべきである。

関連論文リスト

• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• Benchmarking the Reproducibility of Brain MRI Segmentation Across Scanners and Time [0.0190469137058137]
  Dice, Surface Dice, Hausdorff Distance (HD95), Mean Absolute Percentage Error (MAPE) を用いたスキャン間セグメンテーション変動の定量化 この結果より, 扁桃体, 腹側ジエンセノンなどの小皮質の7～8%の容積変化が認められた。
  論文  参考訳（メタデータ） (2025-04-22T14:20:18Z)
• Uncertainty-Guided Coarse-to-Fine Tumor Segmentation with Anatomy-Aware Post-Processing [12.163563962576587]
  胸部CT検査では, 境界の曖昧さ, クラス不均衡, 解剖学的変動が原因で, 腫瘍の切除が困難である。 本報告では, 完全体積腫瘍局在化と高精細領域(ROI)セグメンテーションを併用した不確実性誘導粗いセグメンテーションフレームワークを提案する。 プライベートデータセットとパブリックデータセットの実験では、DiceとHausdorffのスコアが改善され、偽陽性が減り、空間的解釈性が向上した。
  論文  参考訳（メタデータ） (2025-04-16T16:08:38Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• CAS-Net: Conditional Atlas Generation and Brain Segmentation for Fetal MRI [10.127399319119911]
  本研究では、条件付きアトラスを同時に生成し、脳組織分節を予測できる新しいネットワーク構造を提案する。 提案手法は,Human Connectome Projectから253名の被験者を対象に,実験・評価を行った。
  論文  参考訳（メタデータ） (2022-05-17T11:23:02Z)
• Multiple Sclerosis Lesions Identification/Segmentation in Magnetic Resonance Imaging using Ensemble CNN and Uncertainty Classification [7.260554897161948]
  3つの重要な概念に基づくMS病変の同定・分類のための自動フレームワークを提案する。 提案されたフレームワークは、2016年のMSSEGベンチマーク公開データセットでトレーニング、検証、テストされている。 結果も不確実性を示すが、他のレーダとの比較は不可能である。
  論文  参考訳（メタデータ） (2021-08-26T13:48:06Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)

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。