AutoPET Challenge 2023: Sliding Window-based Optimization of U-Net

要約

医療画像における腫瘍のセグメンテーションは非常に重要であり、正確な描写に依存します。
フルオロデオキシグルコース陽電子放射断層撮影法 (FDG-PET) は、代謝活性のある腫瘍を検出するために臨床現場で広く使用されています。
ただし、FDG-PET スキャンでは、健康な組織または良性組織における不規則なグルコース消費ががんであると誤って解釈される可能性があります。
PET とコンピュータ断層撮影 (CT) を組み合わせると、代謝情報と解剖学的情報を統合することで腫瘍のセグメンテーションを強化できます。
FDG-PET/CT スキャンは、がんの病期分類と再評価に極めて重要であり、放射性標識フルオロデオキシグルコースを利用して代謝活性領域を強調します。
腫瘍特異的な取り込みと正常組織における生理的な取り込みを正確に区別することは、正確な腫瘍セグメンテーションの困難な側面です。
AutoPET チャレンジは、1014 件の FDG-PET/CT 研究のデータセットを提供することでこの問題に対処し、FDG-PET/CT ドメイン内の正確な腫瘍セグメンテーションと分析の進歩を促進します。
コード: https://github.com/matt3o/AutoPET2-Submission/

要約(オリジナル)

Tumor segmentation in medical imaging is crucial and relies on precise delineation. Fluorodeoxyglucose Positron-Emission Tomography (FDG-PET) is widely used in clinical practice to detect metabolically active tumors. However, FDG-PET scans may misinterpret irregular glucose consumption in healthy or benign tissues as cancer. Combining PET with Computed Tomography (CT) can enhance tumor segmentation by integrating metabolic and anatomic information. FDG-PET/CT scans are pivotal for cancer staging and reassessment, utilizing radiolabeled fluorodeoxyglucose to highlight metabolically active regions. Accurately distinguishing tumor-specific uptake from physiological uptake in normal tissues is a challenging aspect of precise tumor segmentation. The AutoPET challenge addresses this by providing a dataset of 1014 FDG-PET/CT studies, encouraging advancements in accurate tumor segmentation and analysis within the FDG-PET/CT domain. Code: https://github.com/matt3o/AutoPET2-Submission/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google