BeSt-LeS: 深層監督を使用した脳梗塞病変セグメンテーションのベンチマーク

脳卒中は世界の健康に大きな負担となっており、この課題を克服するために治療法と予防策が必要です。そのためには、脳卒中の早期識別とリスク層別が臨床医にとって最も重要な任務となります。専門家の臨床医を支援するためには、自動セグメンテーションモデルが不可欠です。本研究では、公開データセットATLAS v2.0を使用して、さまざまなエンドツーエンドの教師ありU-Netスタイルモデルのベンチマーク評価を行いました。特に、2Dおよび3D脳画像に対してモデルをベンチマーク評価し、標準的な指標を使用して評価しました。2Dトランスフォーマーベースのモデルでは最高のDiceスコア0.583を達成し、3D残差U-Netでは0.504を達成しました。また、3DモデルにおいてWilcoxon検定を行い、予測された脳卒中容積と実際の脳卒中容積との関連性を検証しました。再現性のために、コードとモデルの重みを公開しています: https://github.com/prantik-pdeb/BeSt-LeS。以上が翻訳した内容です。ご確認ください。