Fugu-MT 論文翻訳(概要): DyABD: The Abdominal Muscle Segmentation in Dynamic MRI Benchmark

論文の概要: DyABD: The Abdominal Muscle Segmentation in Dynamic MRI Benchmark

arxiv url: http://arxiv.org/abs/2604.23187v1
Date: Sat, 25 Apr 2026 07:36:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-28 17:12:07.197337
Title: DyABD: The Abdominal Muscle Segmentation in Dynamic MRI Benchmark
Title（参考訳）: DyABD : Dynamic MRI ベンチマークにおける腹部筋分節の検討
Authors: Niamh Belton, Victoria Joppin, Aonghus Lawlor, Catherine Masson, Thierry Bege, David Bendahan, Kathleen M. Curran,
Abstract要約: この研究は、腹部ヘルニア患者のダイナミック腹部MRIの、新しく複雑なベンチマークデータセットであるDyABDを紹介する。術前MRIと術後MRIの両方を含み、腹部ヘルニアの高再発率に関する臨床研究を促進する。この研究は、医用画像のセグメンテーションの分野ではかなり改善の余地があることを明らかにし、ほとんどの技術がDice Coefficient 0.82を達成している。
参考スコア（独自算出の注目度）: 3.7647659827533393
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This work introduces DyABD, a novel and complex benchmark dataset of dynamic abdominal MRIs from patients with abdominal hernias and associated high quality abdominal muscle annotations. DyABD is the first-of-its-kind in four key ways; (1) it proposes the first abdominal muscle segmentation task, (2) the dynamic MRIs are acquired whilst the patients perform various exercises, introducing extreme anatomical variability, making it one of the most challenging segmentation datasets to date, (3) it includes both pre and post corrective MRIs and (4) DyABD promotes clinical research into the high recurrence rates of abdominal hernias. Beyond dataset introduction, this work provides a comprehensive evaluation of the generalisation capabilities of existing segmentation models across Supervised, Few Shot and Zero Shot paradigms on the unseen DyABD dataset. This work reveals that there is still room for substantial improvement in the field of medical image segmentation, with the majority of techniques achieving a Dice Coefficient of 0.82. This work therefore sheds light on the true progress of the field and redefines the benchmark for progress in medical image segmentation.
Abstract（参考訳）: この研究はDyABD(DyABD)を紹介した。腹部ヘルニアとそれに伴う高品質の腹部筋アノテーションによる、ダイナミック腹部MRIの、新しくて複雑なベンチマークデータセットである。 DyABDは,(1)最初の腹部筋分節タスクを提案し,(2)ダイナミックMRIは,患者が様々な運動をしながら取得し,過度の解剖学的変動を生じさせ,これまでで最も困難な分節データセットの1つとなり,(3)術前および術後のMRIを含むとともに,(4)DyABDは腹ヘルニアの高再発率に関する臨床研究を促進する。データセットの導入以外にも、この研究は、目に見えないDyABDデータセット上のSupervised、Few Shot、Zero Shotパラダイムにわたる既存のセグメンテーションモデルの一般化能力の包括的な評価を提供する。この研究は、医用画像のセグメンテーションの分野ではかなり改善の余地があることを明らかにし、ほとんどの技術がDice Coefficient 0.82を達成している。この研究は、フィールドの真の進歩に光を当て、医療画像セグメンテーションの進歩のためのベンチマークを再定義する。

関連論文リスト

MosaicMRI: A Diverse Dataset and Benchmark for Raw Musculoskeletal MRI [20.01253907654978]
そこで本研究では,MSK MR を用いた機械学習手法のトレーニングと評価を行うための,完全サンプリング生筋骨格MR 計測装置であるMosaicMRIを紹介した。モデルキャパシティとデータセットサイズの両方に関して,スケーリングの挙動について検討する。興味深いことに、結合解剖学で訓練されたモデルは、低サンプル状態において解剖学固有のモデルよりも著しく優れている。
論文参考訳（メタデータ） (2026-04-13T17:36:01Z)
HypeMed: Enhancing Medication Recommendations with Hypergraph-Based Patient Relationships [42.256653836522936]
HypeMedは2段階のハイパーグラフベースのフレームワークで、ビジット内コヒーレンスモデリングとビジット間の拡張を統合している。第一段階では、MedRepは知識を意識した対照的な事前トレーニングを通じて、臨床訪問をハイパーエッジとしてエンコードし、グローバルに一貫した検索フレンドリーな埋め込みスペースを作り出す。第2段階では、SimMRはこの領域内で動的検索を行い、検索された参照を患者の経時的データと融合させ、薬の予測を洗練させる。
論文参考訳（メタデータ） (2026-03-19T03:40:02Z)
XAttn-BMD: Multimodal Deep Learning with Cross-Attention for Femoral Neck Bone Mineral Density Estimation [4.192785353394277]
骨密度が低いことは骨折のリスクを増大させる。 XAttn-BMDは,股関節X線画像から大腿骨頸部BMDを予測し,臨床メタデータを構造化する多モード深層学習フレームワークである。画像とメタデータの特徴を動的に統合し、双方向の相互強化を実現するために、新しい双方向のクロスアテンション機構を利用する。
論文参考訳（メタデータ） (2025-11-18T15:53:42Z)
Extreme Cardiac MRI Analysis under Respiratory Motion: Results of the CMRxMotion Challenge [56.28872161153236]
ディープラーニングモデルは、自動心臓磁気共鳴(CMR)解析において最先端の性能を達成した。これらのモデルの有効性は、高品質でアーティファクトフリーな画像の可用性に大きく依存している。この領域の研究を促進するために,MICCAI CMRxMotion チャレンジを組織した。
論文参考訳（メタデータ） (2025-07-25T11:12:21Z)
MSWAL: 3D Multi-class Segmentation of Whole Abdominal Lesions Dataset [41.69818086021188]
我々は,全腹部病変データセットの最初の3次元マルチクラスであるMSWALを紹介する。 MSWALは、胆石、腎臓石、肝腫瘍、腎臓腫瘍、膵癌、肝嚢胞、腎臓嚢胞など、様々な一般的な病変のカバー範囲を広げている。 Inception nnU-Netは、インセプションモジュールとnnU-Netアーキテクチャを効果的に統合し、異なるフィールドから情報を抽出する新しいセグメンテーションフレームワークである。
論文参考訳（メタデータ） (2025-03-17T06:31:25Z)
Effective Segmentation of Post-Treatment Gliomas Using Simple Approaches: Artificial Sequence Generation and Ensemble Models [7.352034931666381]
本稿では,深層学習手法のセグメンテーション性能を高めるための2つの手法を提案する。まず、利用可能なMRIシーケンスの単純な線形結合に基づく追加入力を組み込む。第二に、モデルのバッテリの寄与を測るために様々なアンサンブル手法を用いる。
論文参考訳（メタデータ） (2024-09-12T15:34:31Z)
A Novel Momentum-Based Deep Learning Techniques for Medical Image Classification and Segmentation [3.268679466097746]
医療画像から臓器を正確に分割することは、コンピュータによる診断と介入計画にとって重要な前提条件である。本研究は,CTおよびMRIスキャンから様々な臓器を抽出し,疾患を分類するための深層学習に基づくアプローチを提案する。
論文参考訳（メタデータ） (2024-08-11T04:12:35Z)
DG-TTA: Out-of-domain Medical Image Segmentation through Augmentation and Descriptor-driven Domain Generalization and Test-Time Adaptation [43.842694540544194]
ドメイン外の画像に事前訓練された深層学習セグメンテーションモデルを適用すると、品質の不足を予測できる。本研究では、拡張とともに強力な一般化記述子を用いて、ドメイン一般化事前学習とテスト時間適応を実現することを提案する。
論文参考訳（メタデータ） (2023-12-11T10:26:21Z)
Segmentation of glioblastomas in early post-operative multi-modal MRI with deep neural networks [33.51490233427579]
手術前セグメンテーションのための2つの最先端ニューラルネットワークアーキテクチャをトレーニングした。最高の成績は61%のDiceスコアで、最高の分類性能は80%のバランスの取れた精度で達成された。予測セグメンテーションは、患者を残存腫瘍と全切除患者に正確に分類するために用いられる。
論文参考訳（メタデータ） (2023-04-18T10:14:45Z)
4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
論文参考訳（メタデータ） (2020-04-20T11:41:01Z)
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。