論文の概要: Standardized Evaluation of Automatic Methods for Perivascular Spaces Segmentation in MRI -- MICCAI 2024 Challenge Results

• arxiv url: http://arxiv.org/abs/2512.18197v1
• Date: Sat, 20 Dec 2025 03:45:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.227415
• Title: Standardized Evaluation of Automatic Methods for Perivascular Spaces Segmentation in MRI -- MICCAI 2024 Challenge Results
• Title（参考訳）: MICCAI 2024によるMRIにおける血管周囲空間分割の標準化評価
• Authors: Yilei Wu, Yichi Zhang, Zijian Dong, Fang Ji, An Sen Tan, Gifford Tan, Sizhao Tang, Huijuan Chen, Zijiao Chen, Eric Kwun Kei Ng, Jose Bernal, Hang Min, Ying Xia, Ines Vati, Liz Cooper, Xiaoyu Hu, Yuchen Pei, Yutao Ma, Victor Nozais, Ami Tsuchida, Pierre-Yves Hervé, Philippe Boutinaud, Marc Joliot, Junghwa Kang, Wooseung Kim, Dayeon Bak, Rachika E. Hamadache, Valeriia Abramova, Xavier Lladó, Yuntao Zhu, Zhenyu Gong, Xin Chen, John McFadden, Pek Lan Khong, Roberto Duarte Coello, Hongwei Bran Li, Woon Puay Koh, Christopher Chen, Joanna M. Wardlaw, Maria del C. Valdés Hernández, Juan Helen Zhou,
• Abstract要約: 本稿では,MICCAI 2024で組織されたEPVS Challengeについて述べる。 マルチサイトデータにまたがるEPVSセグメンテーションのための自動アルゴリズムの開発を促進することを目的としている。 MedNeXtアーキテクチャと2D/3D戦略を併用し, 異なるスライス厚の処理を行った。
• 参考スコア（独自算出の注目度）: 11.040060608562362
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Perivascular spaces (PVS), when abnormally enlarged and visible in magnetic resonance imaging (MRI) structural sequences, are important imaging markers of cerebral small vessel disease and potential indicators of neurodegenerative conditions. Despite their clinical significance, automatic enlarged PVS (EPVS) segmentation remains challenging due to their small size, variable morphology, similarity with other pathological features, and limited annotated datasets. This paper presents the EPVS Challenge organized at MICCAI 2024, which aims to advance the development of automated algorithms for EPVS segmentation across multi-site data. We provided a diverse dataset comprising 100 training, 50 validation, and 50 testing scans collected from multiple international sites (UK, Singapore, and China) with varying MRI protocols and demographics. All annotations followed the STRIVE protocol to ensure standardized ground truth and covered the full brain parenchyma. Seven teams completed the full challenge, implementing various deep learning approaches primarily based on U-Net architectures with innovations in multi-modal processing, ensemble strategies, and transformer-based components. Performance was evaluated using dice similarity coefficient, absolute volume difference, recall, and precision metrics. The winning method employed MedNeXt architecture with a dual 2D/3D strategy for handling varying slice thicknesses. The top solutions showed relatively good performance on test data from seen datasets, but significant degradation of performance was observed on the previously unseen Shanghai cohort, highlighting cross-site generalization challenges due to domain shift. This challenge establishes an important benchmark for EPVS segmentation methods and underscores the need for the continued development of robust algorithms that can generalize in diverse clinical settings.
• Abstract（参考訳）: 磁気共鳴画像(MRI)構造配列に異常に拡大・可視な血管周囲空間(PVS)は、脳小血管疾患の重要な画像マーカーであり、神経変性状態の潜在的指標である。 臨床上の意義にもかかわらず、EPVS(Automatic enlarged PVS)のセグメンテーションは、小ささ、変化形態、他の病理学的特徴との類似性、注釈付きデータセットの制限により、依然として困難である。 本稿では,マルチサイトデータを対象としたEPVSセグメンテーションのための自動アルゴリズムの開発を推進すべく,MICCAI 2024で組織されたEPVS Challengeを提案する。 複数の国際サイト(英国、シンガポール、中国)から収集された100のトレーニング、50のバリデーション、50のテストスキャンからなる多様なデータセットをMRIプロトコルと人口統計学で提供した。 すべてのアノテーションはSTRIVEプロトコルに従い、標準化された基底真理を保証し、完全な脳小葉をカバーした。 7つのチームが完全な課題を完了し、主にマルチモーダル処理、アンサンブル戦略、トランスフォーマーベースのコンポーネントの革新を含むU-Netアーキテクチャに基づくさまざまなディープラーニングアプローチを実装した。 ダイス類似度係数,絶対体積差,リコール,精度測定値を用いて評価した。 MedNeXtアーキテクチャと2D/3D戦略を併用し, 異なるスライス厚の処理を行った。 上位のソリューションは、目に見えないデータセットからのテストデータに対して比較的優れたパフォーマンスを示したが、これまで見えなかった上海コホートでは、パフォーマンスの大幅な低下が見られ、ドメインシフトによるクロスサイト一般化の課題が浮き彫りになった。 この課題はEPVSセグメンテーション手法の重要なベンチマークを確立し、多様な臨床環境で一般化可能な堅牢なアルゴリズムの継続的な開発の必要性を強調している。

関連論文リスト

• Advances in Automated Fetal Brain MRI Segmentation and Biometry: Insights from the FeTA 2024 Challenge [27.07002392996198]
  FeTA Challenge 2024は胎児脳MRI解析を進歩させた。 組織セグメンテーションと並行して新しい課題としてバイオメトリ予測を導入した。 今回は、新しいローフィールド(0.55T)MRIデータセットからのデータを含む、多様なマルチ中心テストセットを初めて紹介しました。
  論文  参考訳（メタデータ） (2025-05-05T16:54:04Z)
• Benchmark of Segmentation Techniques for Pelvic Fracture in CT and X-ray: Summary of the PENGWIN 2024 Challenge [20.058385954540082]
  PENGWINは自動破折セグメンテーションを推し進めることを目的としていた。 トップパフォーマンスCTアルゴリズムは、平均的なフラグメントワイド結合(IoU)を0.930で達成し、良好な精度を示した。 最も優れたアルゴリズムは0.774のIoUに達し、解剖学的構造が重なり合うことによって生じる大きな課題を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-04-03T08:19:36Z)
• Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
  AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。 本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
  論文  参考訳（メタデータ） (2025-02-07T21:09:05Z)
• 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)
• A Robust Ensemble Algorithm for Ischemic Stroke Lesion Segmentation: Generalizability and Clinical Utility Beyond the ISLES Challenge [30.611482996378683]
  画像と疾患の多様性は、臨床価値を持つ一般化可能なAIアルゴリズムの開発を妨げる。 2022 Ischemic Stroke Lesion (ISLES) から得られた新しいアンサンブルアルゴリズムを提案する。 トップパフォーマンスのアルゴリズムを、個々のソリューションの限界を克服するアンサンブルモデルに組み合わせました。
  論文  参考訳（メタデータ） (2024-03-28T13:56:26Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• MS-Net: Multi-Site Network for Improving Prostate Segmentation with Heterogeneous MRI Data [75.73881040581767]
  本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。 当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-02-09T14:11:50Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。