論文の概要: BifDet: A 3D Bifurcation Detection Dataset for Airway-Tree Modeling

• arxiv url: http://arxiv.org/abs/2604.24999v1
• Date: Mon, 27 Apr 2026 21:00:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.601409
• Title: BifDet: A 3D Bifurcation Detection Dataset for Airway-Tree Modeling
• Title（参考訳）: BifDet:気道モデルのための3次元分岐検出データセット
• Authors: Ali Keshavarzi, Quentin Bouniot, Benjamin M. Smith, Elsa Angelini,
• Abstract要約: 気道分岐は肺生理学、疾患のメカニズム、病変の局在を理解する上で重要なランドマークである。 分岐解析の重要性にもかかわらず、このタスクに注釈付けされたデータセットの顕著な欠如は、自動特殊検出やセグメンテーションツールの開発を妨げる。 BifDetは,3次元気道分岐検出に特化した,初めて公開されているデータセットである。
• 参考スコア（独自算出の注目度）: 4.2278434352794685
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Thoracic Computed Tomography (CT) scans offer detailed insights into the intricate branching network of the airway tree, which is essential for understanding various respiratory diseases. Airway bifurcations, where airway branches split, are crucial landmarks for understanding lung physiology, disease mechanisms and lesion localization. Despite the significance of bifurcation analysis, a notable lack of datasets annotated for this task hinders the development of advanced automated specialized detection or segmentation tools. In this paper, we introduce BifDet, the first publicly-available dataset specialized for 3D airway bifurcation detection, filling a critical gap in existing resources. Our dataset comprises carefully annotated CT scans from the ATM22 open-access cohort with bifurcation bounding boxes covering the parent and daughter branches. As a use-case for demonstrating the potential of BifDet, we fine-tune and evaluate RetinaNet and DETR for 3D airway bifurcations detection on CT scans. We provide detailed pipelines, including preprocessing steps and specific implementation design choices. Results are detailed over various categories of minimal bounding box sizes to serve as baseline to benchmark future research.
• Abstract（参考訳）: 胸部CT(胸部CT)スキャンは,様々な呼吸器疾患の理解に欠かせない気道木の分岐ネットワークについて,詳細な知見を提供する。 気道分岐が分裂する気道分岐は、肺生理学、疾患のメカニズム、病変の局在を理解する上で重要なランドマークである。 分岐解析の重要性にもかかわらず、このタスクに注釈付けされたデータセットの顕著な欠如は、高度な自動検出やセグメンテーションツールの開発を妨げる。 本稿では,3次元気道分岐検出に特化した最初の公開データセットであるBifDetを紹介する。 本データセットは, ATM22オープンアクセスコホートから, 親枝と子枝を覆う分岐境界ボックスを用いて, 慎重にCTスキャンを行った。 BifDetの可能性を実証するためのユースケースとして,CTスキャンによる3次元気道分岐検出のためのRetinaNetとDETRを微調整し,評価した。 プリプロセスステップや特定の実装設計選択など、詳細なパイプラインを提供しています。 結果は、将来の研究をベンチマークするためのベースラインとして役立てるために、最小限のバウンディングボックスサイズの様々なカテゴリについて詳細に述べられている。

関連論文リスト

• RepAir: A Framework for Airway Segmentation and Discontinuity Correction in CT [30.786771148081446]
  RepAirは、nnU-Netベースのネットワークと解剖学的に情報を得たトポロジー補正を組み合わせた3Dエアウェイセグメンテーションフレームワークである。 ATM'22とAeroPathのアノテートCTと重篤な気道病変を伴うアノテートスキャンの2つの異なるデータセットでRepAirを評価した。
  論文  参考訳（メタデータ） (2025-11-18T16:41:44Z)
• RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
  RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。 私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
  論文  参考訳（メタデータ） (2024-04-25T17:11:37Z)
• A CT-Based Airway Segmentation Using U$^2$-net Trained by the Dice Loss Function [0.0]
  我々は,多地点CTスキャンから気道木をモデル化するために,Dice損失関数によって訓練されたU$2$-netを用いる。 トレーニングから導出された唾液度確率マップを検証データに適用し、対応する気道木を抽出する。
  論文  参考訳（メタデータ） (2022-09-22T05:57:33Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• NaviAirway: a Bronchiole-sensitive Deep Learning-based Airway Segmentation Pipeline [3.7744002572669535]
  胸部CT画像解析には気道セグメンテーションが不可欠である。 気道トポロジー保存のためのブロンキオール感受性損失関数からなるNaviAirway法を提案する。 実験の結果,NaviAirwayは既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-03-08T04:23:47Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Leveraging Human Selective Attention for Medical Image Analysis with Limited Training Data [72.1187887376849]
  選択的な注意機構は、注意散らしの存在を無視することで、認知システムがタスク関連視覚的手がかりに焦点を合わせるのに役立つ。 本稿では,医療画像解析タスクにおいて,小さなトレーニングデータを用いたガベージを利用したフレームワークを提案する。 本手法は腫瘍の3次元分割と2次元胸部X線分類において優れた性能を示す。
  論文  参考訳（メタデータ） (2021-12-02T07:55:25Z)
• Hepatic vessel segmentation based on 3Dswin-transformer with inductive biased multi-head self-attention [46.46365941681487]
  Indu BIased Multi-Head Attention Vessel Net という,堅牢なエンドツーエンドのコンテナセグメンテーションネットワークを提案する。 正確な肝血管のボクセルを見つけるために,パッチワイド埋め込みよりもボクセルワイド埋め込みを導入する。 一方,絶対位置埋め込みから帰納的バイアス付き相対的位置埋め込みを学習する帰納的バイアス付きマルチヘッド自己アテンションを提案する。
  論文  参考訳（メタデータ） (2021-11-05T10:17:08Z)
• FDA: Feature Decomposition and Aggregation for Robust Airway Segmentation [28.880817101034715]
  クリーン領域とノイズ領域の変動に対処する新しいデュアルストリームネットワークを提案する。 トランスファー可能なクリーンな特徴とノイズの多い特徴を別々に抽出する2つの異なるエンコーダを設計した。 ノイズCTでは, 気管支の分画が良好であった。
  論文  参考訳（メタデータ） (2021-09-07T08:16:51Z)

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。