論文の概要: AI for Mycetoma Diagnosis in Histopathological Images: The MICCAI 2024 Challenge

• arxiv url: http://arxiv.org/abs/2512.21792v1
• Date: Thu, 25 Dec 2025 21:46:33 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:00:23.523647
• Title: AI for Mycetoma Diagnosis in Histopathological Images: The MICCAI 2024 Challenge
• Title（参考訳）: 病理画像における筋腫診断のためのAI: MICCAI 2024 Challenge
• Authors: Hyam Omar Ali, Sahar Alhesseen, Lamis Elkhair, Adrian Galdran, Ming Feng, Zhixiang Xiong, Zengming Lin, Kele Xu, Liang Hu, Benjamin Keel, Oliver Mills, James Battye, Akshay Kumar, Asra Aslam, Prasad Dutande, Ujjwal Baid, Bhakti Baheti, Suhas Gajre, Aravind Shrenivas Murali, Eung-Joo Lee, Ahmed Fahal, Rachid Jennane,
• Abstract要約: 菌糸体腫(Mycetoma)は、菌類や細菌が組織障害や障害を引き起こす原因となる、無視された熱帯性疾患である。 本稿では,AI ソリューションによる筋腫の診断を促進するために組織された mycetoma Micro Image: Detect and Classify Challenge (mAIcetoma) の概要について述べる。
• 参考スコア（独自算出の注目度）: 21.40840730878347
• License:
• Abstract: Mycetoma is a neglected tropical disease caused by fungi or bacteria leading to severe tissue damage and disabilities. It affects poor and rural communities and presents medical challenges and socioeconomic burdens on patients and healthcare systems in endemic regions worldwide. Mycetoma diagnosis is a major challenge in mycetoma management, particularly in low-resource settings where expert pathologists are limited. To address this challenge, this paper presents an overview of the Mycetoma MicroImage: Detect and Classify Challenge (mAIcetoma) which was organized to advance mycetoma diagnosis through AI solutions. mAIcetoma focused on developing automated models for segmenting mycetoma grains and classifying mycetoma types from histopathological images. The challenge attracted the attention of several teams worldwide to participate and five finalist teams fulfilled the challenge objectives. The teams proposed various deep learning architectures for the ultimate goal of this challenge. Mycetoma database (MyData) was provided to participants as a standardized dataset to run the proposed models. Those models were evaluated using evaluation metrics. Results showed that all the models achieved high segmentation accuracy, emphasizing the necessitate of grain detection as a critical step in mycetoma diagnosis. In addition, the top-performing models show a significant performance in classifying mycetoma types.
• Abstract（参考訳）: 菌糸体腫(Mycetoma)は、菌類や細菌が組織障害や障害を引き起こす原因となる、無視された熱帯性疾患である。 貧困と農村に影響を及ぼし、世界中の内科領域の患者や医療システムに医療上の課題と社会経済的負担を課している。 Mycetomaの診断は、特に専門の病理医が限られた低リソース環境では大きな課題である。 この課題に対処するために,AIソリューションによる筋腫診断を推進すべく組織されたMycetoma Micro Image: Detect and Classify Challenge(mAIcetoma)の概要を述べる。 mAIcetomaは, 病理組織像から骨芽腫の分類と分類のための自動モデルの開発に焦点をあてた。 この挑戦は世界中の複数のチームが参加し、5つのファイナリストチームが挑戦目標を達成した。 チームは、この挑戦の最終的な目標のために、さまざまなディープラーニングアーキテクチャを提案した。 Mycetomaデータベース(MyData)は、提案されたモデルを実行するための標準化されたデータセットとして参加者に提供された。 これらのモデルを評価指標を用いて評価した。 その結果,すべてのモデルが高いセグメンテーション精度を達成し,髄膜腫診断における重要なステップとして穀物検出の必要性を強調した。 さらに、トップパフォーマンスモデルでは、骨髄腫のタイプを分類する上で大きなパフォーマンスを示している。

関連論文リスト

• DermINO: Hybrid Pretraining for a Versatile Dermatology Foundation Model [92.66916452260553]
  DermNIOは皮膚科学の多目的基盤モデルである。 自己教師型学習パラダイムを増強する、新しいハイブリッド事前学習フレームワークが組み込まれている。 さまざまなタスクにおいて、最先端のモデルよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-08-17T00:41:39Z)
• MyData: A Comprehensive Database of Mycetoma Tissue Microscopic Images for Histopathological Analysis [0.34619585024232546]
  Mycetomaは慢性で無視された炎症性疾患であり、熱帯および亜熱帯地域で流行する。 本疾患は真菌(真菌)と放線菌(細菌)の2種類に分類される。
  論文  参考訳（メタデータ） (2024-10-02T19:56:56Z)
• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Domain generalization across tumor types, laboratories, and species -- insights from the 2022 edition of the Mitosis Domain Generalization Challenge [15.965814632791504]
  病理組織学的腫瘍標本における有糸分裂像の認識は,患者の予後評価に極めて関連している。 この研究は、課題タスク、参加者が採用する戦略、そしてその成功に寄与する潜在的な要因の概要を示している。
  論文  参考訳（メタデータ） (2023-09-27T11:44:58Z)
• DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images [51.27125547308154]
  第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。 この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。 本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
  論文  参考訳（メタデータ） (2023-04-05T12:04:55Z)
• ADAM Challenge: Detecting Age-related Macular Degeneration from Fundus Images [44.212866865895485]
  我々は、I SBI 2020カンファレンスの衛星イベントとして、初めて老化関連黄斑変性症(ADAM)の自動検出課題を設定した。 ADAMチャレンジは、基礎画像からAMDを検出する主要なトピックをカバーする4つのタスクから構成される。 本稿では,課題,データセット,評価手法を紹介するとともに,各タスクに参加するチームの結果を要約し,分析する。
  論文  参考訳（メタデータ） (2022-02-16T10:49:49Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Automatic lesion segmentation and Pathological Myopia classification in fundus images [1.4174475093445236]
  病理組織学的ミオピア (PM) の診断と, 視神経円板 (OD) , 眼窩, 萎縮, 剥離などの網膜構造, 病変の検出のためのアルゴリズムを提案する。 これらの課題は, PM患者からの根底画像撮影において実施され, PALM(Pathological Myopia Challenge)への参加が求められている。
  論文  参考訳（メタデータ） (2020-02-15T13:38:30Z)

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。