[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。

BreastSegNet: Multi-label Segmentation of Breast MRI

Created by
  • Haebom

作者

Qihang Li, Jichen Yang, Yaqian Chen, Yuwen Chen, Hanxue Gu, Lars J. Grimm, Maciej A. Mazurowski

概要

本論文は、乳房MRI画像の定量的分析のためのマルチラベル分割アルゴリズムであるBreastSegNetを提示します。従来の乳房MRI分割法がいくつかの解剖学的構造（線維組織または腫瘍など）にのみ焦点を当てたのとは異なり、BreastSegNetは線維組織、血管、筋肉、骨、病変、リンパ節、心臓、肝臓、インプラントなどの9つの解剖学的構造を含みます。研究者は、専門放射線科医のレビューと修正を経て、1123個のMRIスライスに対して手動注釈作業を行いました。 U-Net、SwinUNet、UNet ++、SAM、MedSAM、および複数のResNetベースのエンコーダを使用したnnU-Netなど、9つの分割モデルをベンチマークした結果、nnU-Net ResEncMはすべてのラベルに対して平均Diceスコア0.694を達成し、最高のパフォーマンスを示しました。特に心臓、肝臓、筋肉、線維組織、骨で0.73以上のDiceスコアを記録し、心臓と肝臓では0.90に近い性能を示した。すべてのモデルコードと重みは公開されており、データは後で公開される予定です。

Takeaways、Limitations

•
Takeaways：
◦
乳房MRIの定量的分析のための包括的なマルチラベル分割アルゴリズムBreastSegNetを提示します。
◦
9つの解剖学的構造の正確な分割を可能にすることによって、乳がんの診断と治療計画の確立に貢献します。
◦
NnU-Net ResEncMモデルの優れた性能を確認し、関連コードと重みを明らかにして研究の再現性と拡張性を確保
◦
今後のデータ公開を通じてさらなる研究開発を促進すると予想。
•
Limitations：
◦
現在、データセットは1123個のMRIスライスで構成されており、より大きな規模のデータセットを使用したさらなる研究が必要です。
◦
データセットはまだ公開されておらず、他の研究者の検証と利用に制限があります。
◦
特定のラベル（例えば、病変、リンパ節）に対する性能は、他のラベルと比較して比較的低い可能性がある。
👍
Made with Slashpage