[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

MRGen: Segmentation Data Engine for Underrepresented MRI Modalities

Created by
  • Haebom

作者

Haoning Wu, Ziheng Zhao, Ya Zhang, Yanfeng Wang, Weidi Xie

概要

本論文では、まれであるが臨床的に重要な医療画像モダリティのための医療画像分割モデルを訓練する際に、注釈付きデータ不足の問題を解決するために生成モデルを利用する方法を研究する。特にアノテーションが不足しているMRIに焦点を当て、3つの主要な貢献を提示します。まず、モダリティラベル、属性、領域、長期情報を含む豊富なメタデータと、ピクセル単位のマスクアノテーションを含むサブセットを備えた大規模な放射線画像テキストデータセットであるMRGen-DBを紹介します。次に、テキストプロンプトと分割マスクを条件とする拡散ベースのデータエンジンであるMRGenを提示します。 MRGenは、マスクアノテーションが不足しているさまざまなMRIモダリティに対して現実的な画像を生成し、ソースが不足している領域での分割トレーニングを容易にします。第三に、複数のモダリティに対する広範な実験により、ＭＲＧｅｎは高品質の合成データを提供することにより、注釈付けされていないモダリティの分割性能を大幅に向上させることが示された。本研究では、手動アノテーションが得られにくいシナリオに分割機能を拡張し、医療画像解析の重要なギャップを解消します。コード、モデル、データは一般公開されます。

Takeaways、Limitations

•
Takeaways：
◦
医療画像分割モデル訓練のための合成データ生成によるアノテーションデータ不足の問題解決に寄与
◦
MRGen-DBと呼ばれる大規模な医療画像テキストデータセットを提供することによる研究の活性化。
◦
拡散ベースモデルMRGenを用いた様々なMRIモダリティのための現実的な画像合成
◦
アノテーションが不足したモダリティでの分割性能向上を実験的に証明。
•
Limitations：
◦
生成された合成データの定性的評価のためのより厳格な基準を設ける必要がある。
◦
実際の臨床データとの一般化性能の追加検証が必要
◦
特定のモダリティに偏ったデータセットの場合、一般化のパフォーマンスが低下する可能性があります。
◦
合成データ生成の計算コストと時間のかかる検討
👍
Made with Slashpage