Fugu-MT 論文翻訳(概要): Train-Free Segmentation in MRI with Cubical Persistent Homology

論文の概要: Train-Free Segmentation in MRI with Cubical Persistent Homology

arxiv url: http://arxiv.org/abs/2401.01160v2
Date: Wed, 08 Oct 2025 11:59:15 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-09 16:41:19.937642
Title: Train-Free Segmentation in MRI with Cubical Persistent Homology
Title（参考訳）: 立方形永続ホモロジーを用いたMRIにおけるトレインフリーセグメンテーション
Authors: Anton François, Raphaël Tinarrage,
Abstract要約: トポロジカルデータ解析(TDA)に基づくMRIスキャンのセグメンテーションのための新しいフレームワークを提案する。パイプラインは3つのステップで進み、まずオブジェクト全体を自動しきい値によってセグメントに識別し、次に事前にトポロジが知られている固有のサブセットを検出し、最後にセグメンテーションの様々なコンポーネントを推論する。脳MRIにおけるグリオ芽腫の分画、心筋MRIにおける心筋、シリンダー形成、胎児脳MRIにおける皮質プレート検出の3つの応用について検討した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a new general framework for segmentation of MRI scans based on Topological Data Analysis (TDA), offering several advantages over traditional machine learning approaches. The pipeline proceeds in three steps, first identifying the whole object to segment via automatic thresholding, then detecting a distinctive subset whose topology is known in advance, and finally deducing the various components of the segmentation. Unlike most prior TDA uses in medical image segmentation, which are typically embedded within deep networks, our approach is a standalone method tailored to MRI. A key ingredient is the localization of representative cycles from the persistence diagram, which enables interpretable mappings from topological features to anatomical components. In particular, the method offers the ability to perform segmentation without the need for large annotated datasets. Its modular design makes it adaptable to a wide range of data segmentation challenges. We validate the framework on three applications: glioblastoma segmentation in brain MRI, where a sphere is to be detected; myocardium in cardiac MRI, forming a cylinder; and cortical plate detection in fetal brain MRI, whose 2D slices are circles. We compare our method with established supervised and unsupervised baselines.
Abstract（参考訳）: 我々は、TDA(Topological Data Analysis)に基づくMRIスキャンの分割のための新しい一般的なフレームワークを提案し、従来の機械学習アプローチよりもいくつかの利点を提供している。パイプラインは3つのステップで進み、まずオブジェクト全体を自動しきい値によってセグメントに識別し、次に事前にトポロジが知られている固有のサブセットを検出し、最後にセグメンテーションの様々なコンポーネントを推論する。一般的にディープネットワークに埋め込まれる医療画像のセグメンテーションにおける従来のほとんどのTDAとは異なり、我々のアプローチはMRIに合わせたスタンドアロンの手法である。重要な要素は、トポロジ的特徴から解剖学的構成要素への解釈可能なマッピングを可能にする、永続化ダイアグラムからの代表サイクルのローカライズである。特に、この方法は、大きな注釈付きデータセットを必要とせずにセグメンテーションを実行する機能を提供する。モジュラー設計により、幅広いデータセグメンテーションの課題に適応できる。この枠組みは,脳MRIにおけるグリオ芽腫の分画,心臓MRIにおける心筋,シリンダー形成,胎児脳MRIにおける皮質プレートの検出の3つの応用について検証した。提案手法を,教師付きベースラインと教師なしベースラインとを比較した。

関連論文リスト

PathSegDiff: Pathology Segmentation using Diffusion model representations [63.20694440934692]
そこで我々は,Latent Diffusion Models (LDMs) を事前学習した特徴抽出器として活用する,病理組織像分割の新しい手法であるPathSegDiffを提案する。本手法は,H&E染色組織像から多彩な意味情報を抽出するために,自己教師型エンコーダによって誘導される病理特異的LCMを用いる。本実験は,BCSSおよびGlaSデータセットにおける従来の手法よりも大幅に改善されたことを示す。
論文参考訳（メタデータ） (2025-04-09T14:58:21Z)
Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
論文参考訳（メタデータ） (2025-02-07T21:09:05Z)
SegmentAnyBone: A Universal Model that Segments Any Bone at Any Location on MRI [13.912230325828943]
本稿では,MRIにおける骨分割のための汎用的,一般公開的なディープラーニングモデルを提案する。提案モデルでは,完全自動セグメンテーションとプロンプトベースセグメンテーションの2つのモードで動作可能である。 1) さまざまなMRIプロトコルにまたがる新しいMRIデータセットの収集,注釈付けを行い,300以上の注釈付きボリュームと8485個の注釈付きスライスを含む。
論文参考訳（メタデータ） (2024-01-23T18:59:25Z)
Implicit Anatomical Rendering for Medical Image Segmentation with Stochastic Experts [11.007092387379078]
医用画像セグメンテーションの学習を支援するために,解剖学的レベルで設計された汎用的な暗黙的ニューラルネットワークレンダリングフレームワークであるMORSEを提案する。医用画像のセグメンテーションをエンドツーエンドのレンダリング問題として定式化する。実験の結果,MORSEは異なる医療セグメントのバックボーンでうまく機能することが示された。
論文参考訳（メタデータ） (2023-04-06T16:44:03Z)
Multi-Modal Evaluation Approach for Medical Image Segmentation [4.989480853499916]
本稿では,異なるセグメンテーション手法の有効性を評価するために,新しいマルチモーダル評価(MME)手法を提案する。本稿では, 検出特性, 境界アライメント, 均一性, 総体積, 相対体積など, 関連性, 解釈可能な新しい特徴を紹介する。提案するアプローチはオープンソースで,使用することができる。
論文参考訳（メタデータ） (2023-02-08T15:31:33Z)
Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文参考訳（メタデータ） (2022-04-19T10:41:09Z)
A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文参考訳（メタデータ） (2022-03-01T17:08:41Z)
TraSeTR: Track-to-Segment Transformer with Contrastive Query for Instance-level Instrument Segmentation in Robotic Surgery [60.439434751619736]
そこで我々は,TraSeTRを提案する。TraSeTR,TraSeTR,Trace-to-Segment Transformerは,手術器具のセグメンテーションを支援する。 TraSeTRは、機器の種類、位置、アイデンティティとインスタンスレベルの予測を共同で理由付けている。提案手法の有効性を,3つの公開データセットに対して,最先端の計器型セグメンテーション結果を用いて実証した。
論文参考訳（メタデータ） (2022-02-17T05:52:18Z)
Comparison of atlas-based and neural-network-based semantic segmentation for DENSE MRI images [0.8701566919381223]
2つのセグメンテーション法(アトラス法とニューラルネット法)を比較した。セグメンテーションはこれらの地域の平均変位を推定するための前提条件である。
論文参考訳（メタデータ） (2021-09-29T00:42:43Z)
Generalized Organ Segmentation by Imitating One-shot Reasoning using Anatomical Correlation [55.1248480381153]
そこで我々は,アノテーション付きオルガンクラスから一般化されたオルガン概念を学習し,その概念を未知のクラスに転送するOrganNetを提案する。そこで,OrganNetは臓器形態の幅広い変化に効果的に抵抗でき,一発分節タスクで最先端の結果が得られることを示す。
論文参考訳（メタデータ） (2021-03-30T13:41:12Z)
Unsupervised Region-based Anomaly Detection in Brain MRI with Adversarial Image Inpainting [4.019851137611981]
本稿では,T1強調MRIのための完全自動非教師付き印字型脳腫瘍分割システムを提案する。まず、Deep Convolutional Neural Network(DCNN)をトレーニングし、行方不明の健常な脳の領域を再構築する。提案システムでは, 種々の腫瘍と抽象腫瘍を分離し, 平均偏差Diceスコアが0.176, 0.771, 標準偏差Diceスコアが得られた。
論文参考訳（メタデータ） (2020-10-05T12:13:44Z)
Towards Cross-modality Medical Image Segmentation with Online Mutual Knowledge Distillation [71.89867233426597]
本稿では,あるモダリティから学習した事前知識を活用し,別のモダリティにおけるセグメンテーション性能を向上させることを目的とする。モーダル共有知識を徹底的に活用する新しい相互知識蒸留法を提案する。 MMWHS 2017, MMWHS 2017 を用いた多クラス心筋セグメンテーション実験の結果, CT セグメンテーションに大きな改善が得られた。
論文参考訳（メタデータ） (2020-10-04T10:25:13Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。