論文の概要: Merlin Plus: A Large-Scale, Multi-Cancer, Image-Mask-Report Dataset
- arxiv url: http://arxiv.org/abs/2609.36436v1
- Date: Tue, 29 Sep 2026 00:53:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.081687
- Title: Merlin Plus: A Large-Scale, Multi-Cancer, Image-Mask-Report Dataset
- Title（参考訳）: Merlin Plus: 大規模マルチキャリア、イメージマスクレポートデータセット
- Abstract要約: Merlin Plusは、放射線技師が作成した9臓器にわたる腫瘍マスクを備えた、最初の大規模CTデータセットである。
Merlin Plusは1,153個のvoxel腫瘍マスクと経時メタデータを追加することでMerlinデータセットを拡張している。
- 参考スコア（独自算出の注目度）: 46.95942952038533
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-cancer segmentation in computed tomography (CT) is fundamentally limited by the scarcity of tumor masks across different organs. We present Merlin Plus, the first large-scale CT dataset with radiologist-created tumor masks across 9 organs. Merlin Plus extends the Merlin dataset by adding 1,153 per-voxel tumor masks and longitudinal metadata. To create these tumor masks, we developed a report-based active-learning framework in which radiology reports identify tumor cases for annotation and support training of a tumor segmentation model. The model generates initial masks, which radiologists review and correct to produce the final masks, reducing annotation burden while maintaining high-quality annotations. Besides tumor masks, the longitudinal metadata in Merlin Plus enables temporal modeling of cancer progression. By directly addressing the major bottleneck of limited multi-cancer segmentation masks, Merlin Plus supports scalable multi-organ cancer detection, segmentation, and longitudinal analysis in CT. Dataset is available at: https://github.com/MrGiovanni/MerlinPlus
- Abstract（参考訳）: CT(Computed tomography)におけるマルチ癌セグメンテーションは,異なる臓器にまたがる腫瘍マスクの不足によって根本的に制限される。
Merlin Plusは、放射線技師が作成した9臓器にわたる腫瘍マスクを備えた、最初の大規模CTデータセットである。
Merlin Plusは1,153個のvoxel腫瘍マスクと経時メタデータを追加することでMerlinデータセットを拡張している。
そこで我々は,これらの腫瘍マスクを作成するために,腫瘍分類モデルのアノテーションと支援のための腫瘍症例を放射線診断で識別するレポートベースアクティブラーニングフレームワークを開発した。
このモデルが生成する初期マスクは、放射線学者がレビューし、最終マスクの作成を正し、高品質なアノテーションを維持しながらアノテーションの負担を軽減する。
腫瘍マスクの他に、Merlin Plusの縦メタデータは、がん進行の時間的モデリングを可能にする。
限られたマルチがんセグメンテーションマスクのボトルネックに直接対処することにより、Merlin Plusは、CTにおけるスケーラブルなマルチ臓器がん検出、セグメンテーション、縦断解析をサポートする。
Dataset は https://github.com/MrGiovanni/MerlinPlus
関連論文リスト
- RT-Super: Learning Tumor Segmentation from Longitudinal Images and Reports [49.73378935988575]
腫瘍セグメンテーションマスクは高価で、時間がかかり、公開データでは多くの腫瘍タイプで利用できない。
病院は、放射線学レポート、縦断画像、多相画像など、断片化をガイドできる膨大なデータを持っている。
腫瘍セグメンテーションのためのAIの訓練において,腫瘍マスクの代わりに手軽に利用できるデータを用いている。
論文 参考訳（メタデータ） (2026-09-28T17:06:07Z) - Report Supervision [20.131928083839096]
レポートスーパービジョン(Report Supervision、R-Super)は、レポートを使用して腫瘍のセグメンテーションを直接監督し改善するトレーニングフレームワークである。
R-Superは、マスクのみのトレーニングに関して腫瘍検出F1スコアとセグメンテーションを最大15%増加させる。
論文 参考訳（メタデータ） (2026-08-27T19:56:39Z) - Scaling Artificial Intelligence for Multi-Tumor Early Detection with More Reports, Fewer Masks [59.37427210144734]
医療報告における記述に一致する腫瘍をセグメント化するためにAIを訓練するR-Superを紹介する。
101,654のレポートでトレーニングされたAIモデルは、723のマスクでトレーニングされたモデルに匹敵するパフォーマンスを達成した。
R-Superは脾・胆嚢・前立腺・膀胱・子宮・食道の腫瘍の分画を可能にした。
論文 参考訳（メタデータ） (2025-10-16T15:35:44Z) - Learning Segmentation from Radiology Reports [46.073392569125375]
CTスキャンにおける腫瘍のセグメンテーションは、診断、手術、予後のキーとなる。
しかし、セグメンテーションマスクは時間と専門知識を必要とするため、不足している。
本稿では,放射線学報告を腫瘍セグメンテーションAIのボクセル管理に転換するレポートスーパーロス(R-Super)を提案する。
論文 参考訳（メタデータ） (2025-07-08T01:37:34Z) - MAIRA-Seg: Enhancing Radiology Report Generation with Segmentation-Aware Multimodal Large Language Models [36.59952396405939]
放射線学レポート生成のためのセグメンテーション対応MLLMフレームワークMAIRA-Segを紹介する。
我々は、CXRにおける放射線学固有の構造のためのマスク擬似ラベルを得るために、専門家セグメンテーションモデルを訓練する。
我々は,プロンプトのマスク・アウェア・プロンプトを用いて,放射線学のドラフトレポートを作成している。
論文 参考訳（メタデータ） (2024-11-18T08:13:22Z) - Mask-Enhanced Segment Anything Model for Tumor Lesion Semantic Segmentation [48.107348956719775]
Mask-Enhanced SAM (M-SAM) は, 腫瘍の3次元セグメント化に適した革新的なアーキテクチャである。
本稿では,M-SAM内におけるMask-Enhanced Adapter (MEA) を提案する。
我々のM-SAMは高いセグメンテーション精度を達成し、またロバストな一般化を示す。
論文 参考訳（メタデータ） (2024-03-09T13:37:02Z)
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。