論文の概要: Rethinking Evaluation of Multiple Sclerosis (MS) Lesion Segmentation Models

• arxiv url: http://arxiv.org/abs/2605.09666v1
• Date: Sun, 10 May 2026 17:31:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.360177
• Title: Rethinking Evaluation of Multiple Sclerosis (MS) Lesion Segmentation Models
• Title（参考訳）: 多発性硬化症(MS)病変分割モデルの再検討
• Authors: Abdul Basit, Ashir Rashid, Muhammad Abdullah Hanif, Muhammad Shafique,
• Abstract要約: 多発性硬化症(Multiple Sclerosis, MS)は、慢性自己免疫疾患であり、患者の生活の質を著しく低下させる。 Deep Learningは、脳MRIスキャンでMS病変を検出し、セグメンテーションするための最先端のモデルを提供する。
• 参考スコア（独自算出の注目度）: 4.724523760253738
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multiple Sclerosis (MS) is a chronic autoimmune disease that can significantly reduce the quality of life of a patient. Existing treatment options can only help slow down the progression of the disease. Therefore, early detection and precise monitoring of disease progression are important. Deep learning offers state-of-the-art models for detecting and segmenting MS lesions in brain MRI scans. However, most of these models are evaluated using the Dice score, without accounting for lesion-wise detection and segmentation performance or other metrics that quantify model performance in cases that are complex or confusing for human annotators, or in cases that are essential for disease detection and progression monitoring. In this paper, we highlight the need to rethink the evaluation of MS lesion segmentation models. In this context, we first present problem fingerprinting in detail to highlight what neurologists look for in brain MRI scans for MS detection and progression monitoring, and which metrics are required to properly quantify model performance in these contexts. Additionally, we present an analysis of state-of-the-art models on two open-source datasets using these metrics to highlight their usability for real-world deployment in hospitals.
• Abstract（参考訳）: 多発性硬化症(Multiple Sclerosis, MS)は、慢性自己免疫疾患であり、患者の生活の質を著しく低下させる。 既存の治療法は、疾患の進行を遅らせるのに役立ちます。 したがって,早期発見と病状進行の精密モニタリングが重要である。 Deep Learningは、脳MRIスキャンでMS病変を検出し、セグメンテーションするための最先端のモデルを提供する。 しかし、これらのモデルのほとんどはDiceスコアを用いて評価され、病変検出やセグメンテーションのパフォーマンスや、人間のアノテータに複雑で混乱している場合や、疾患検出や進行監視に不可欠な場合のモデルパフォーマンスを定量化するその他の指標は考慮されていない。 本稿では,MS病変分割モデルの評価を再考する必要性を強調した。 そこで本研究では,MS検出と進行監視のための脳MRIスキャンにおいて神経科医が求めているもの,およびこれらの文脈におけるモデル性能を適切に定量化するためにどの指標が必要であるかを明らかにするために,まず問題フィンガープリントを詳細に提示する。 さらに、これらの指標を用いて、2つのオープンソースデータセット上での最先端モデルの解析を行い、病院における現実的な展開のユーザビリティを明らかにする。

関連論文リスト

• Automated Lesion Segmentation of Stroke MRI Using nnU-Net: A Comprehensive External Validation Across Acute and Chronic Lesions [0.0]
  複数のMRIデータセットにまたがるnU-Netフレームワークを用いて脳卒中病変のセグメンテーションを評価する。 脳卒中期にはモデルが頑健な一般化を示し, セグメンテーション精度はレータ間信頼性に近づいた。 急性期において、DWIで訓練されたモデルはFLAIRベースのモデルより一貫して優れており、マルチモーダルの組み合わせからわずかに利益を得ただけだった。 慢性期脳卒中では、トレーニングセットのサイズが増加し、数百件以上のリターンが低下した。
  論文  参考訳（メタデータ） (2026-01-13T16:29:20Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• Metrics that matter: Evaluating image quality metrics for medical image generation [48.85783422900129]
  本研究は、脳MRIデータを用いて、一般的に使用される非参照画像品質指標を包括的に評価する。 本研究は, ノイズ, 分布変化, および臨床的に関係のある不正確さを模倣した形態的変化を含む, 様々な課題に対する計量感度を評価する。
  論文  参考訳（メタデータ） (2025-05-12T01:57:25Z)
• Anatomical Foundation Models for Brain MRIs [6.993491018326816]
  我々は脳MRIの解剖学的基礎モデルであるAnatCLを提案する。 異なる条件の診断のための12の下流タスクについて検討する。 予備訓練中に解剖情報を組み込むことで,より堅牢で汎用的な表現が可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-08-07T14:04:50Z)
• 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)
• TADM: Temporally-Aware Diffusion Model for Neurodegenerative Progression on Brain MRI [4.414541804340033]
  時間的認識拡散モデル(TADM)は,スキャン間の強度差による構造変化の分布を学習する。 トレーニング中、モデルのトレーニングプロセスを洗練するために、トレーニング済みのBrain-Age Estimator(BAE)を活用することを提案する。 我々のアプローチは、患者の結果を予測したり、患者に対する治療を改善するといった応用に役立ちます。
  論文  参考訳（メタデータ） (2024-06-18T09:00:49Z)
• Cross-modality Guidance-aided Multi-modal Learning with Dual Attention for MRI Brain Tumor Grading [47.50733518140625]
  脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。 本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
  論文  参考訳（メタデータ） (2024-01-17T07:54:49Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Benchmarking Continuous Time Models for Predicting Multiple Sclerosis Progression [46.394865849252696]
  多発性硬化症(英: multiple sclerosis)は、脳と脊髄に影響を及ぼす疾患であり、重度の障害を引き起こす可能性があり、既知の治療法がない。 最近の論文では, 成績評価と人口統計データを用いて, 疾患の進行を効果的に予測できることが示されている。 公開されている多発性硬化症データセットを用いて、4つの連続時間モデルをベンチマークする。 最高の継続的モデルは、しばしば最高のベンチマークされた個別の時間モデルより優れていることが分かりました。
  論文  参考訳（メタデータ） (2023-02-15T18:45:32Z)
• Lesion-Specific Prediction with Discriminator-Based Supervised Guided Attention Module Enabled GANs in Multiple Sclerosis [0.0]
  多発性硬化症 (Multiple Sclerosis, MS) は、脳の白質の病変が発達するのを特徴とする慢性神経疾患である。 そこで本研究では,MSにおける将来的な病変特異的FLAIR MRIを一定時間間隔で予測するために,GAN(Generative Adversarial Network)の新たな修正を提案する。
  論文  参考訳（メタデータ） (2022-08-30T20:37:38Z)
• Multiple Sclerosis Lesion Analysis in Brain Magnetic Resonance Images: Techniques and Clinical Applications [22.410543483471915]
  多発性硬化症(MS)は、中枢神経系の慢性炎症性および変性疾患である。 伝統的に、MS病変は手動で2DMRIスライスに注釈付けされている。 深層学習技術は,ms病変分割タスクにおいて著しいブレークスルーを達成した。
  論文  参考訳（メタデータ） (2021-04-20T15:08:51Z)

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。