論文の概要: ITKIT: Feasible CT Image Analysis based on SimpleITK and MMEngine

• arxiv url: http://arxiv.org/abs/2603.14255v1
• Date: Sun, 15 Mar 2026 07:25:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.703842
• Title: ITKIT: Feasible CT Image Analysis based on SimpleITK and MMEngine
• Title（参考訳）: ITKIT:SimpleITKとMMEngineを用いたCT画像解析
• Authors: Yiqin Zhang, Meiling Chen,
• Abstract要約: IT KITはDICOMから3Dセグメンテーション推論までの完全なパイプラインを提供する。 OneDL-MMEngineフレームワークはフレキシブルなモデル構成とデプロイメントエントリを提供する。
• 参考スコア（独自算出の注目度）: 4.175319764608438
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: CT images are widely used in clinical diagnosis and treatment, and their data have formed a de facto standard - DICOM. It is clear and easy to use, and can be efficiently utilized by data-driven analysis methods such as deep learning. In the past decade, many program frameworks for medical image analysis have emerged in the open-source community. ITKIT analyzed the characteristics of these frameworks and hopes to provide a better choice in terms of ease of use and configurability. ITKIT offers a complete pipeline from DICOM to 3D segmentation inference. Its basic practice only includes some essential steps, enabling users with relatively weak computing capabilities to quickly get started using the CLI according to the documentation. For advanced users, the OneDL-MMEngine framework provides a flexible model configuration and deployment entry. This paper conducted 12 typical experiments to verify that ITKIT can meet the needs of most basic scenarios.
• Abstract（参考訳）: CT画像は臨床診断や治療に広く使われており、そのデータは事実上の標準であるDICOMを形成している。 明確で使いやすく、ディープラーニングのようなデータ駆動分析手法によって効率的に利用することができる。 過去10年間で、医療画像分析のための多くのプログラムフレームワークがオープンソースコミュニティに登場した。 ITKITはこれらのフレームワークの特徴を分析し、使いやすさと設定性の観点からより良い選択肢を提供したいと考えている。 ITKITはDICOMから3Dセグメンテーション推論までの完全なパイプラインを提供する。 その基本的なプラクティスは、いくつかの重要なステップのみを含み、比較的弱いコンピューティング能力を持つユーザは、ドキュメントによると、すぐにCLIを使い始めることができる。 高度なユーザのために、OneDL-MMEngineフレームワークはフレキシブルなモデル構成とデプロイメントエントリを提供する。 本報告では,ITKITが最も基本的なシナリオのニーズを満たすことを検証するため,12種類の実験を行った。

関連論文リスト

• Easy Data Unlearning Bench [53.1304932656586]
  アンラーニングアルゴリズムの評価を簡略化する統一型ベンチマークスイートを導入する。 セットアップとメトリクスの標準化により、未学習のメソッド間で再現性、拡張性、公正な比較が可能になる。
  論文  参考訳（メタデータ） (2026-02-18T12:20:32Z)
• MoViAD: A Modular Library for Visual Anomaly Detection [4.790817958353412]
  MoViADは、VADモデル、トレーナー、データセット、VADユーティリティへの高速で簡単にアクセスできるように設計されたライブラリである。 連続性、半教師付き、少数ショット、ノイズなど、幅広いシナリオをサポートする。 MoViADは、バックボーンの選択、堅牢な評価VADメトリクス(ピクセルレベルと画像レベル)、および効率分析に有用なプロファイリングツールを統合する。
  論文  参考訳（メタデータ） (2025-07-16T09:10:38Z)
• MIST: A Simple and Scalable End-To-End 3D Medical Imaging Segmentation Framework [1.4043931310479378]
  医用イメージングツールキット(MIST)は、深層学習に基づく医用イメージングセグメンテーション手法の一貫性のあるトレーニング、テスト、評価を容易にするように設計されている。 MISTはデータ分析、前処理、評価パイプラインを標準化し、複数のアーキテクチャと損失関数を収容する。
  論文  参考訳（メタデータ） (2024-07-31T05:17:31Z)
• SOLO: A Single Transformer for Scalable Vision-Language Modeling [74.05173379908703]
  我々はvisiOn-Language mOdelingのための単一変換器SOLOを提案する。 SOLOのような統一された単一トランスフォーマーアーキテクチャは、LVLMにおけるこれらのスケーラビリティ上の懸念に効果的に対処する。 本稿では,オープンソースの7B LVLMであるSOLOの開発のための,最初のオープンソーストレーニングレシピを紹介する。
  論文  参考訳（メタデータ） (2024-07-08T22:40:15Z)
• A Strong and Simple Deep Learning Baseline for BCI MI Decoding [2.0039413639026917]
  EEG-SimpleConvは、BCIにおけるMotor Imageryデコーディングのための1D畳み込みニューラルネットワークである。 我々は4つのEEG Motor Imageryデータセットの性能を評価する。
  論文  参考訳（メタデータ） (2023-09-11T09:23:01Z)
• DIVA-DAF: A Deep Learning Framework for Historical Document Image Analysis [0.6551090704585544]
  本研究では,歴史的文書解析に特化して設計されたオープンソースのディープラーニングフレームワークであるDIVA-DAFを提案する。 データや大規模なデータセットをロードする強力なモジュールの恩恵を受けることで、自分自身のタスクを簡単に作成できます。 データモジュールのおかげで、このフレームワークはモデルのトレーニング時間を大幅に短縮できる。
  論文  参考訳（メタデータ） (2022-01-20T17:02:46Z)
• Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
  本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。 また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
  論文  参考訳（メタデータ） (2020-12-01T11:46:03Z)
• Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
  本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。 データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
  論文  参考訳（メタデータ） (2020-09-01T19:17:46Z)

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。