Fugu-MT 論文翻訳(概要): Brain Tumor Segmentation with Special Emphasis on the Non-Enhancing Brain Tumor Compartment

論文の概要: Brain Tumor Segmentation with Special Emphasis on the Non-Enhancing Brain Tumor Compartment

arxiv url: http://arxiv.org/abs/2602.21703v1
Date: Wed, 25 Feb 2026 09:09:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-26 18:19:16.767058
Title: Brain Tumor Segmentation with Special Emphasis on the Non-Enhancing Brain Tumor Compartment
Title（参考訳）: 非エンハンス脳腫瘍比較に特発した脳腫瘍分節の1例
Authors: T. Schaffer, A. Brawanski, S. Wein, A. M. Tomé, E. W. Lang,
Abstract要約: U-Netベースのディープラーニングアーキテクチャは、様々なMRIモダリティに現れる脳腫瘍をセグメント化するように設計されている。特に強調されるのは、非エンハンス性腫瘍区画である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A U-Net based deep learning architecture is designed to segment brain tumors as they appear on various MRI modalities. Special emphasis is lent to the non-enhancing tumor compartment. The latter has not been considered anymore in recent brain tumor segmentation challenges like the MICCAI challenges. However, it is considered to be indicative of the survival time of the patient as well as of areas of further tumor growth. Hence it deems essential to have means to automatically delineate its extension within the tumor.
Abstract（参考訳）: U-Netベースのディープラーニングアーキテクチャは、様々なMRIモダリティに現れる脳腫瘍をセグメント化するように設計されている。特に強調されるのは、非エンハンス性腫瘍区画である。後者は、MICCAIチャレンジのような最近の脳腫瘍セグメンテーションチャレンジではもはや考慮されていない。しかし,腫瘍の生存時間や,腫瘍の増殖が進行する領域を示唆していると考えられる。したがって、腫瘍内に自動的に伸展する手段を持つことが不可欠であると考えられる。

関連論文リスト

Scaling Artificial Intelligence for Multi-Tumor Early Detection with More Reports, Fewer Masks [59.37427210144734]
医療報告における記述に一致する腫瘍をセグメント化するためにAIを訓練するR-Superを紹介する。 101,654のレポートでトレーニングされたAIモデルは、723のマスクでトレーニングされたモデルに匹敵するパフォーマンスを達成した。 R-Superは脾・胆嚢・前立腺・膀胱・子宮・食道の腫瘍の分画を可能にした。
論文参考訳（メタデータ） (2025-10-16T15:35:44Z)
Brain Tumor Classification From MRI Images Using Machine Learning [0.24739484546803336]
脳腫瘍は生命を脅かす問題であり、人間の身体の正常な機能を損なう。医用画像におけるディープラーニングアルゴリズムの使用により、脳腫瘍の分類と診断が大幅に改善された。本研究の目的は,機械学習を用いた脳腫瘍検出のための予測システムを開発することである。
論文参考訳（メタデータ） (2024-07-15T11:30:40Z)
Mask-Enhanced Segment Anything Model for Tumor Lesion Semantic Segmentation [48.107348956719775]
Mask-Enhanced SAM (M-SAM) は, 腫瘍の3次元セグメント化に適した革新的なアーキテクチャである。本稿では,M-SAM内におけるMask-Enhanced Adapter (MEA) を提案する。我々のM-SAMは高いセグメンテーション精度を達成し、またロバストな一般化を示す。
論文参考訳（メタデータ） (2024-03-09T13:37:02Z)
Towards Generalizable Tumor Synthesis [48.45704270448412]
腫瘍合成は、医用画像における人工腫瘍の作成を可能にし、腫瘍の検出とセグメンテーションのためのAIモデルのトレーニングを容易にする。本論文は, 臨界観察を生かして, 一般化可能な腫瘍合成に向けて進歩的な一歩を踏み出した。私たちは、Diffusion Modelsのような生成AIモデルが、単一の臓器から限られた数の腫瘍例を訓練しても、様々な臓器に一般化された現実的な腫瘍を作成できることを確認した。
論文参考訳（メタデータ） (2024-02-29T18:57:39Z)
Prediction of brain tumor recurrence location based on multi-modal fusion and nonlinear correlation learning [55.789874096142285]
深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。 2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
論文参考訳（メタデータ） (2023-04-11T02:45:38Z)
Joint brain tumor segmentation from multi MR sequences through a deep convolutional neural network [0.0]
本研究の目的は,深層学習によるFLAIR,T1重み付き,T2重み付き,T1重み付きMR画像からの脳腫瘍の描出を自動化することである。
論文参考訳（メタデータ） (2022-03-07T12:35:32Z)
Cross-Modality Deep Feature Learning for Brain Tumor Segmentation [158.8192041981564]
本稿では, マルチモーダルMRIデータから脳腫瘍を抽出するクロスモーダルディープ・フィーチャーラーニング・フレームワークを提案する。中心となる考え方は、不十分なデータスケールを補うために、マルチモダリティデータにまたがる豊富なパターンをマイニングすることだ。 on the BraTS benchmarks, this proposed cross-modality deep feature learning framework could effective improve the brain tumor segmentation performance。
論文参考訳（メタデータ） (2022-01-07T07:46:01Z)
Improving the Segmentation of Pediatric Low-Grade Gliomas through Multitask Learning [0.1199955563466263]
低次グリオーマ(pLGGs)を有する小児患者のMRI(MRI)を訓練したセグメンテーションモデルを開発した。提案モデルは,腫瘍の遺伝的変異分類器をメインネットワークに補助的タスクとして付加することにより,深層マルチタスク学習(dMTL)を利用する。
論文参考訳（メタデータ） (2021-11-29T21:12:47Z)
Dilated Inception U-Net (DIU-Net) for Brain Tumor Segmentation [0.9176056742068814]
U-Netに基づく新しいエンド・ツー・エンド脳腫瘍セグメンテーションアーキテクチャを提案する。提案モデルでは, 腫瘍コアと全腫瘍セグメンテーションについて, 最先端のU-Netモデルよりも有意に優れた性能を示した。
論文参考訳（メタデータ） (2021-08-15T16:04:09Z)
Brain Tumor Segmentation Network Using Attention-based Fusion and Spatial Relationship Constraint [19.094164029068462]
マルチモーダルMR画像に基づいて脳腫瘍を頑健に分節する新しいマルチモーダル腫瘍セグメンテーションネットワーク(MMTSN)を開発した。マルチモーダル脳腫瘍セグメンテーションチャレンジ2020(BraTs 2020)の試験セットについて検討した。
論文参考訳（メタデータ） (2020-10-29T14:51:10Z)
Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。