論文の概要: NoduLoCC2026: Lung Nodule Localization and Classification Contest from Chest X-Ray Images

• arxiv url: http://arxiv.org/abs/2606.21290v1
• Date: Fri, 19 Jun 2026 10:13:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 14:36:54.647837
• Title: NoduLoCC2026: Lung Nodule Localization and Classification Contest from Chest X-Ray Images
• Title（参考訳）: NoduLoCC2026:胸部X線像からの肺結節の局在と分類
• Authors: Adnan Mustafic, Halim Benhabiles, Adnane Cabani, Kristhian André Oliveira Aguilar, Romain Amigon, Clément Bardin, Chiara Bentifece, Marin Boehm, Kévin Bouchard, Laura Burattini, Diedre Carmo, Fahima Idiri, Matthis Lahargoue, Ilaria Marcantoni, Hicham Messaoudi, Cyril Meyer, Farid Meziane, Léon Morales, Letícia Rittner, Agnese Sbrollini, Léonard Zipper, Karim Hammoudi,
• Abstract要約: NoduLoCC2026は胸部X線像における肺の検出と局在に対する課題である。 両方のタスクにデータセットを提供し、5つの国際チームから応募を受け取りました。 参加するチームのソリューションは、テストに使用される外部データセットの結果とともに、この作業で提示される。
• 参考スコア（独自算出の注目度）: 3.9027052017173776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose NoduLoCC2026, a challenge on lung nodule detection and localization in chest X-ray images. We have provided a dataset for both tasks and received submissions from 5 international teams. The participating teams' solutions are presented in this work along with results on an external dataset used for testing. Proposed methods show good performance on the classification task. The best method shows a balanced accuracy score of 0.72 and AUC-ROC of 0.79. We highlight the limitations of current approaches for the localization task, with the best approach having predicted the correct number of nodules on 53\% of the test images with a median distance of 12.83mm, showing that it is a more challenging task than the first one. The challenge website is available via https://gt-i2mdp.github.io/website/nodule_challenge.html.
• Abstract（参考訳）: 胸部X線像における肺結節の検出と局在の課題であるNoduLoCC2026を提案する。 両方のタスクにデータセットを提供し、5つの国際チームから応募を受け取りました。 参加するチームのソリューションは、テストに使用される外部データセットの結果とともに、この作業で提示される。 提案手法は,分類作業において良好な性能を示す。 最良の方法は、バランスの取れた精度スコアが0.72、AUC-ROCが0.79であることを示している。 局所化タスクに対する現在のアプローチの限界を強調し、最もよいアプローチは、中央値12.83mmの試験画像の53\%のノジュール数を予測し、最初のものよりも難しい課題であることを示す。 チャレンジウェブサイトはhttps://gt-i2mdp.github.io/website/nodule_challenge.htmlで入手できる。

関連論文リスト

• Overview of the CXR-LT 2026 Challenge: Multi-Center Long-Tailed and Zero Shot Chest X-ray Classification [14.263392973355666]
  我々は,CXR-LT 2026チャレンジを提示する。 このベンチマークの第3回では、PadChestとNIH Chest X線データセットから145,000以上のイメージで構成されるマルチセンターデータセットが導入されている。 課題は,(1)既知の30のクラスに対するロバストなマルチラベル分類,(2)未発見の6つのレアな病気クラスへのオープンワールド一般化,の2つの中核課題を定義する。 トップパフォーマンスチームの結果を報告し、平均的平均精度(mAP)、AUROC、F1スコアで評価する。
  論文  参考訳（メタデータ） (2026-02-25T16:39:21Z)
• Expert-Guided Explainable Few-Shot Learning with Active Sample Selection for Medical Image Analysis [2.7946918847372277]
  エキスパートガイドのFew-Shot LearningとExplainability-Guided ALを紹介する。 EGxFSLは、Grad-CAMベースのDice損失による空間的監視として、放射線学者が定義した領域を統合している。 xGALは、予測の不確実性と注意欠陥の両方を優先した反復的なサンプル取得を導入する。
  論文  参考訳（メタデータ） (2026-01-02T05:09:35Z)
• Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
  コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。 また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
  論文  参考訳（メタデータ） (2024-07-02T19:30:25Z)
• NTIRE 2024 Challenge on Image Super-Resolution ($\times$4): Methods and Results [126.78130602974319]
  画像の超高解像度化に関するNTIRE 2024の課題(4ドル)をレビューする。 この課題は、低解像度(LR)入力から4倍の倍率で対応する高解像度(HR)画像を生成することである。 この挑戦の目的は、最も先進的なSR性能を持つ設計/解決を得ることである。
  論文  参考訳（メタデータ） (2024-04-15T13:45:48Z)
• High-confidence pseudo-labels for domain adaptation in COVID-19 detection [8.28720658988688]
  本報告では,第4回COV19Dコンペティションへの応募について概説する。 競技は2つの課題からなる。 1つ目は、COV19-CT-DBデータベースから1000以上のCTスキャンから新型コロナウイルスの存在を検出するために分類器を訓練することである。
  論文  参考訳（メタデータ） (2024-03-20T11:12:57Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• A knee cannot have lung disease: out-of-distribution detection with in-distribution voting using the medical example of chest X-ray classification [58.720142291102135]
  この研究では、胸部X線分類モデルであるCheXnetを用いて、胸部X線14データセットをトレーニングした。 複数ラベル分類のためのOODデータを検出するために,IDV(In-distriion voting)を提案する。 ID (chest X-ray 14) と OOD データ (IRMA と ImageNet) に基づいてトレーニングした IDV アプローチは,平均で3つのデータセットにわたる 0.999 OOD 検出 AUC を達成した。
  論文  参考訳（メタデータ） (2022-08-01T18:20:36Z)
• NTIRE 2022 Challenge on High Dynamic Range Imaging: Methods and Results [173.32437855731752]
  この課題はCVPR 2022と共同でNTIRE(New Trends in Image Restoration and Enhancement)ワークショップの一環として行われた。 この課題は、複数の低ダイナミックレンジ(LDR)観測からHDR画像を推定することを目的としている。
  論文  参考訳（メタデータ） (2022-05-25T10:20:06Z)
• Explanatory Analysis and Rectification of the Pitfalls in COVID-19 Datasets [0.0]
  2020年に新型コロナウイルス(COVID-19)が流行して以来、何百万人もの人々がこの致命的なウイルスに感染している。 世界中の研究者が、Chest X-Raysを使って新型コロナウイルスを検出するためのディープラーニングベースの手法を提案している。 公開されているChest X-Rayデータセットのバイアスの存在に関する疑問が提起されている。
  論文  参考訳（メタデータ） (2021-11-10T13:38:51Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray Images [61.24431480245932]
  COVID-19 Multi-Task Networkは、新型コロナウイルススクリーニングのためのエンドツーエンドネットワークである。 我々は,ChestXray-14,CheXpertおよび統合型COVID-19データセットから採取した9000個の前頭胸部X線写真から肺領域を手動で注釈した。 このデータベースは研究コミュニティに公開されます。
  論文  参考訳（メタデータ） (2020-08-03T12:52:23Z)

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。