論文の概要: TriALS: Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT

• arxiv url: http://arxiv.org/abs/2605.16572v1
• Date: Fri, 15 May 2026 19:23:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:46.710186
• Title: TriALS: Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT
• Title（参考訳）: TrialS:Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT
• Authors: Marawan Elbatel, Mohamed Ghonim, Jiaji Mao, Zhuosheng Lin, Katharina Eckstein, Andrés Martínez Mora, Jonathan Deissler, Maximilian Rokuss, Constantin Ulrich, Zdravko Marinov, Wenhui Deng, Baoxun Li, Huijun Hu, Jun Shen, Mohanad Ghonim, Khadiga Omar Nassar, Mariam Elbakry, Menna Dyab, Amr Muhammad Abdo Salem, Nouran Elghitany, Noha Elghitany, Yi Qin, Xuanqi Huang, Haonan Wang, Shao-Woo Yen, Ahmed Elghamry Saba, Salma Ahmad, Xinyan Fang, Jiahao Zhang, Xiaodi Wang, Xinghua Ma, Gongning Luo, Jessica C. Delmoral, João Manuel R. S. Tavares, Ankan Deria, Adinath Dukre, Yutong Xie, Imran Razzak, Dongwook Kim, Matthew Choi, Hanxiao Zhang, Minghui Zhang, Xin You, Abdul Qayyum, Steven A. Niederer, Moona Mazher, Rachika E. Hamadache, Ricardo Montoya-del-Angel, Robert Martí, Xavier Lladó, Toufiq Musah, Livingstone Eli Ayivor, Enrique Almar-Munoz, Agnes Mayr, Kaouther Mouheb, Esther E. Bron, Stefan Klein, Ahmed Abouelhoda, Amira Adel, Susan Adil Ali, Rainer Stiefelhagen, Klaus H. Maier-Hein, Fabian Isensee, Aya Yassin, Xiaomeng Li,
• Abstract要約: コントラスト制限条件下での肝病変の自動分節に対するTriALSの課題について述べる。 最高性能は平均静脈圧0.754で, NCCTでは0.57に低下した。 アルゴリズムの性能は、トレーニングデータスケールと事前学習戦略によって最も強く予測された。
• 参考スコア（独自算出の注目度）: 49.93685997940356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated segmentation of liver lesions on non-contrast computed tomography (NCCT) is clinically important but fundamentally challenging, particularly in low-resource settings across Africa and Asia where contrast agents are frequently unavailable. Progress has been limited by the absence of annotated NCCT benchmarks. Here we describe the TriALS challenge for automated liver lesion segmentation under contrast-limited conditions, supported by a multi-centre dataset of 150 cases with four-phase CT acquisitions (600 volumes) from Egyptian and Chinese institutions. Algorithms were evaluated on 70 cases from three institutions, including an independent external cohort. The top-performing method achieved a mean venous-phase Dice of 0.754, consistent with human-level performance, yet dropped to 0.57 on NCCT. On external validation, the leading method outperformed off-the-shelf models by up to 28% in Dice on NCCT. Algorithm performance was most strongly predicted by training data scale and pre-training strategy. A cross-year comparison exposed a persistent perceptual barrier on NCCT that scaling pre-training alone cannot overcome. Data, annotations, and code are available at https://github.com/xmed-lab/TriALS.
• Abstract（参考訳）: 非造影CT(non-contrast Computed tomography, NCCT)における肝病変の自動分画は臨床的に重要であるが, 特にコントラスト剤が頻繁に使用できないアフリカとアジアにおける低リソース環境において, 基本的には困難である。 NCCTベンチマークの注釈がないため、進歩は制限されている。 コントラスト制限条件下での肝病変自動切除におけるTriALSチャレンジについて,エジプトと中国の機関から4段階CT(600巻)を取得した150例の多施設データセットで支援した。 アルゴリズムは、独立した外部コホートを含む3つの機関から70のケースで評価された。 最高性能は平均静脈圧0.754で, NCCTでは0.57に低下した。 外部検証では, NCCT上のDiceにおいて, 先行法は市販モデルよりも最大28%優れていた。 アルゴリズムの性能は、トレーニングデータスケールと事前学習戦略によって最も強く予測された。 NCCTの持続的知覚障壁は、トレーニング前のスケーリングだけでは克服できない。 データ、アノテーション、コードはhttps://github.com/xmed-lab/TriALS.comで入手できる。

関連論文リスト

• FUGC: Benchmarking Semi-Supervised Learning Methods for Cervical Segmentation [63.7829089874007]
  本稿では,頚椎椎間板断裂における半教師あり学習のための最初のベンチマークであるFetal Ultrasound Grand Challenge (FUGC)を紹介する。 FUGCは、500のトレーニング画像、90の検証画像、300のテスト画像を含む890のTVSイメージのデータセットを提供する。 Dice similarity Coefficient (DSC), Hausdorff Distance (HD), and Runtime (RT), with a weighted combination of 0.4/0.4/0.2。
  論文  参考訳（メタデータ） (2026-01-22T01:34:39Z)
• Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation [64.42236775544579]
  コーンビームCT(CBCT)ガイド下穿刺は胸部腫瘍の診断・治療に確立されたアプローチとなっている。 DeepPriorCBCTは3段階のディープラーニングフレームワークであり、従来の放射線線量の6分の1しか使用せずに診断段階の再構築を実現する。
  論文  参考訳（メタデータ） (2025-11-30T12:45:02Z)
• 3D CT-Based Coronary Calcium Assessment: A Feature-Driven Machine Learning Framework [0.6595674042529606]
  冠状動脈疾患(CAD)の早期発見と危険層形成における冠状動脈カルシウム(CAC)スコアの意義 本研究では,非コントラスト型冠動脈造影CT(CCTA)スキャンに焦点をあて,臨床現場での早期石灰化検出に広く用いられている。 限られたアノテートデータに対処するために、擬似ラベルを利用してトレーニングラベルを生成する放射能ベースのパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-29T10:04:47Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• A Large Convolutional Neural Network for Clinical Target and Multi-organ Segmentation in Gynecologic Brachytherapy with Multi-stage Learning [9.95345958148364]
  本研究では,セグメンテーション性能の向上を目的とした多段階学習フレームワークであるGynBTNetを提案する。 Dice similarity Coefficient (DSC)、95th percentile Hausdorff Distance (HD95)、Average Surface Distance (ASD) を用いた最先端技術の評価を行った。 CTVは0.837+/-0.068、膀胱は0.940+/-0.052、直腸は0.842+/-0.070、子宮は0.871+/-0.047である。
  論文  参考訳（メタデータ） (2025-06-01T16:21:48Z)
• The state-of-the-art 3D anisotropic intracranial hemorrhage segmentation on non-contrast head CT: The INSTANCE challenge [19.72232714668029]
  INSTANCE 2022は、2022年の医用画像コンピューティングとコンピュータ支援介入に関する国際会議(MICCAI)と共同で開催された大きな課題である。 以上の課題を解決し,脳内出血セグメンテーションと異方性データ処理の開発を促進することを目的としている。 勝者法は平均DSC0.6925を達成し,提案法よりも有意な成長を示した。
  論文  参考訳（メタデータ） (2023-01-09T11:48:05Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• Nested-block self-attention for robust radiotherapy planning segmentation [3.2541650155921142]
  深層畳み込みネットワークは、頭頸部(HN)臓器のリスクセグメンテーション(OAR)において広く研究されている。 定期的な臨床治療計画のためのそれらの使用は、イメージングアーティファクトへの堅牢性の欠如、CT上の低い軟組織コントラスト、および異常な解剖の存在によって制限される。 我々は,任意の畳み込みネットワークと組み合わせることができる計算効率の良いネストブロック自己アテンション法(NBSA)を開発した。
  論文  参考訳（メタデータ） (2021-02-26T15:28:47Z)
• 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。