Sökning: WFRF:(Iftekharuddin Khan M.)
> (2022) >
QU-BraTS :
QU-BraTS : MICCAI BraTS 2020 Challenge on QuantifyingUncertainty in Brain Tumor Segmentation - Analysis of Ranking Scores and Benchmarking Results
-
Mehta, Raghav (författare)
-
Filos, Angelos (författare)
-
Baid, Ujjwal (författare)
-
visa fler...
-
Sako, Chiharu (författare)
-
McKinley, Richard (författare)
-
Rebsamen, Michael (författare)
-
Dätwyler, Katrin (författare)
-
Meier, Raphael (författare)
-
Radojewski, Piotr (författare)
-
Murugesan, Gowtham Krishnan (författare)
-
Nalawade, Sahil (författare)
-
Ganesh, Chandan (författare)
-
Wagner, Ben (författare)
-
Yu, Fang F. (författare)
-
Fei, Baowei (författare)
-
Madhuranthakam, Ananth J. (författare)
-
Maldjian, Joseph A. (författare)
-
Daza, Laura (författare)
-
Gómez, Catalina (författare)
-
Arbeláez, Pablo (författare)
-
Dai, Chengliang (författare)
-
Wang, Shuo (författare)
-
Reynaud, Hadrien (författare)
-
Mo, Yuanhan (författare)
-
Angelini, Elsa (författare)
-
Guo, Yike (författare)
-
Bai, Wenjia (författare)
-
Banerjee, Subhashis (författare)
-
Pei, Linmin (författare)
-
AK, Murat (författare)
-
Rosas-González, Sarahi (författare)
-
Zemmoura, Ilyess (författare)
-
Tauber, Clovis (författare)
-
- Vu, Minh Hoang (författare)
- Umeå universitet,Radiofysik
-
- Nyholm, Tufve (författare)
- Umeå universitet,Radiofysik
-
- Löfstedt, Tommy (författare)
- Umeå universitet,Institutionen för datavetenskap
-
Ballestar, Laura Mora (författare)
-
Vilaplana, Veronica (författare)
-
McHugh, Hugh (författare)
-
Talou, Gonzalo Maso (författare)
-
Wang, Alan (författare)
-
Patel, Jay (författare)
-
Chang, Ken (författare)
-
Hoebel, Katharina (författare)
-
Gidwani, Mishka (författare)
-
Arun, Nishanth (författare)
-
Gupta, Sharut (författare)
-
Aggarwal, Mehak (författare)
-
Singh, Praveer (författare)
-
Gerstner, Elizabeth R. (författare)
-
Kalpathy-Cramer, Jayashree (författare)
-
Boutry, Nicolas (författare)
-
Huard, Alexis (författare)
-
Vidyaratne, Lasitha (författare)
-
Rahman, Md Monibor (författare)
-
Iftekharuddin, Khan M. (författare)
-
Chazalon, Joseph (författare)
-
Puybareau, Elodie (författare)
-
Tochon, Guillaume (författare)
-
Ma, Jun (författare)
-
Cabezas, Mariano (författare)
-
Llado, Xavier (författare)
-
Oliver, Arnau (författare)
-
Valencia, Liliana (författare)
-
Valverde, Sergi (författare)
-
Amian, Mehdi (författare)
-
Soltaninejad, Mohammadreza (författare)
-
Myronenko, Andriy (författare)
-
Hatamizadeh, Ali (författare)
-
Feng, Xue (författare)
-
Dou, Quan (författare)
-
Tustison, Nicholas (författare)
-
Meyer, Craig (författare)
-
Shah, Nisarg A. (författare)
-
Talbar, Sanjay (författare)
-
Weber, Marc-André (författare)
-
Mahajan, Abhishek (författare)
-
Jakab, Andras (författare)
-
Wiest, Roland (författare)
-
Fathallah-Shaykh, Hassan M. (författare)
-
Nazeri, Arash (författare)
-
Milchenko, Mikhail (författare)
-
Marcus, Daniel (författare)
-
Kotrotsou, Aikaterini (författare)
-
Colen, Rivka (författare)
-
Freymann, John (författare)
-
Kirby, Justin (författare)
-
Davatzikos, Christos (författare)
-
Menze, Bjoern (författare)
-
Bakas, Spyridon (författare)
-
Gal, Yarin (författare)
-
Arbel, Tal (författare)
-
visa färre...
-
(creator_code:org_t)
- 2022
- 2022
- Engelska.
-
Ingår i: Journal of Machine Learning for Biomedical Imaging. - 2766-905X. ; , s. 1-54
- Relaterad länk:
-
https://www.melba-jo...
-
visa fler...
-
https://umu.diva-por... (primary) (Raw object)
-
https://urn.kb.se/re...
-
visa färre...
Abstract
Ämnesord
Stäng
- Deep learning (DL) models have provided the state-of-the-art performance in a wide variety of medical imaging benchmarking challenges, including the Brain Tumor Segmentation (BraTS) challenges. However, the task of focal pathology multi-compartment segmentation (e.g., tumor and lesion sub-regions) is particularly challenging, and potential errors hinder the translation of DL models into clinical workflows. Quantifying the reliability of DL model predictions in the form of uncertainties, could enable clinical review of the most uncertain regions, thereby building trust and paving the way towards clinical translation. Recently, a number of uncertainty estimation methods have been introduced for DL medical image segmentation tasks. Developing scores to evaluate and compare the performance of uncertainty measures will assist the end-user in making more informed decisions. In this study, we explore and evaluate a score developed during the BraTS 2019-2020 task on uncertainty quantification (QU-BraTS), and designed to assess and rank uncertainty estimates for brain tumor multi-compartment segmentation. This score (1) rewards uncertainty estimates that produce high confidence in correct assertions, and those that assign low confidence levels at incorrect assertions, and (2) penalizes uncertainty measures that lead to a higher percentages of under-confident correct assertions. We further benchmark the segmentation uncertainties generated by 14 independent participating teams of QU-BraTS 2020, all of which also participated in the main BraTS segmentation task. Overall, our findings confirm the importance and complementary value that uncertainty estimates provide to segmentation algorithms, and hence highlight the need for uncertainty quantification in medical image analyses. Our evaluation code is made publicly available at https://github.com/RagMeh11/QU-BraTS
Ämnesord
- NATURVETENSKAP -- Data- och informationsvetenskap -- Datorseende och robotik (hsv//swe)
- NATURAL SCIENCES -- Computer and Information Sciences -- Computer Vision and Robotics (hsv//eng)
- MEDICIN OCH HÄLSOVETENSKAP -- Annan medicin och hälsovetenskap -- Övrig annan medicin och hälsovetenskap (hsv//swe)
- MEDICAL AND HEALTH SCIENCES -- Other Medical and Health Sciences -- Other Medical and Health Sciences not elsewhere specified (hsv//eng)
Nyckelord
- Uncertainty Quantification
- Trustworthiness
- Segmentation
- Brain Tumors
- Deep Learning
- Neuro-Oncology
- Glioma
- Glioblastoma
Publikations- och innehållstyp
- ref (ämneskategori)
- art (ämneskategori)
Hitta via bibliotek
Till lärosätets databas
- Av författaren/redakt...
-
Mehta, Raghav
-
Filos, Angelos
-
Baid, Ujjwal
-
Sako, Chiharu
-
McKinley, Richar ...
-
Rebsamen, Michae ...
-
visa fler...
-
Dätwyler, Katrin
-
Meier, Raphael
-
Radojewski, Piot ...
-
Murugesan, Gowth ...
-
Nalawade, Sahil
-
Ganesh, Chandan
-
Wagner, Ben
-
Yu, Fang F.
-
Fei, Baowei
-
Madhuranthakam, ...
-
Maldjian, Joseph ...
-
Daza, Laura
-
Gómez, Catalina
-
Arbeláez, Pablo
-
Dai, Chengliang
-
Wang, Shuo
-
Reynaud, Hadrien
-
Mo, Yuanhan
-
Angelini, Elsa
-
Guo, Yike
-
Bai, Wenjia
-
Banerjee, Subhas ...
-
Pei, Linmin
-
AK, Murat
-
Rosas-González, ...
-
Zemmoura, Ilyess
-
Tauber, Clovis
-
Vu, Minh Hoang
-
Nyholm, Tufve
-
Löfstedt, Tommy
-
Ballestar, Laura ...
-
Vilaplana, Veron ...
-
McHugh, Hugh
-
Talou, Gonzalo M ...
-
Wang, Alan
-
Patel, Jay
-
Chang, Ken
-
Hoebel, Katharin ...
-
Gidwani, Mishka
-
Arun, Nishanth
-
Gupta, Sharut
-
Aggarwal, Mehak
-
Singh, Praveer
-
Gerstner, Elizab ...
-
Kalpathy-Cramer, ...
-
Boutry, Nicolas
-
Huard, Alexis
-
Vidyaratne, Lasi ...
-
Rahman, Md Monib ...
-
Iftekharuddin, K ...
-
Chazalon, Joseph
-
Puybareau, Elodi ...
-
Tochon, Guillaum ...
-
Ma, Jun
-
Cabezas, Mariano
-
Llado, Xavier
-
Oliver, Arnau
-
Valencia, Lilian ...
-
Valverde, Sergi
-
Amian, Mehdi
-
Soltaninejad, Mo ...
-
Myronenko, Andri ...
-
Hatamizadeh, Ali
-
Feng, Xue
-
Dou, Quan
-
Tustison, Nichol ...
-
Meyer, Craig
-
Shah, Nisarg A.
-
Talbar, Sanjay
-
Weber, Marc-Andr ...
-
Mahajan, Abhishe ...
-
Jakab, Andras
-
Wiest, Roland
-
Fathallah-Shaykh ...
-
Nazeri, Arash
-
Milchenko, Mikha ...
-
Marcus, Daniel
-
Kotrotsou, Aikat ...
-
Colen, Rivka
-
Freymann, John
-
Kirby, Justin
-
Davatzikos, Chri ...
-
Menze, Bjoern
-
Bakas, Spyridon
-
Gal, Yarin
-
Arbel, Tal
-
visa färre...
- Om ämnet
-
- NATURVETENSKAP
-
NATURVETENSKAP
-
och Data och informa ...
-
och Datorseende och ...
-
- MEDICIN OCH HÄLSOVETENSKAP
-
MEDICIN OCH HÄLS ...
-
och Annan medicin oc ...
-
och Övrig annan medi ...
- Artiklar i publikationen
-
Journal of Machi ...
- Av lärosätet
-
Umeå universitet