Fugu-MT 論文翻訳(概要): ShapeKit

論文の概要: ShapeKit

arxiv url: http://arxiv.org/abs/2506.24003v1
Date: Mon, 30 Jun 2025 16:07:33 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-01 21:27:54.145958
Title: ShapeKit
Title（参考訳）: ShapeKit
Authors: Junqi Liu, Dongli He, Wenxuan Li, Ningyu Wang, Alan L. Yuille, Zongwei Zhou,
Abstract要約: ShapeKitは柔軟で簡単に統合できるツールキットで、解剖学的形状を洗練するために設計されている。この研究は、形状ベースツールの未熟な価値を強調し、医療セグメント化コミュニティにおける潜在的な影響に注意を喚起する。
参考スコア（独自算出の注目度）: 45.09673010469805
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this paper, we present a practical approach to improve anatomical shape accuracy in whole-body medical segmentation. Our analysis shows that a shape-focused toolkit can enhance segmentation performance by over 8%, without the need for model re-training or fine-tuning. In comparison, modifications to model architecture typically lead to marginal gains of less than 3%. Motivated by this observation, we introduce ShapeKit, a flexible and easy-to-integrate toolkit designed to refine anatomical shapes. This work highlights the underappreciated value of shape-based tools and calls attention to their potential impact within the medical segmentation community.
Abstract（参考訳）: 本稿では,全身医療セグメント化における解剖学的形状精度向上のための実践的アプローチを提案する。モデル再構成や微調整を必要とせずに,形状中心のツールキットがセグメント化性能を8%以上向上できることを示す。対照的に、モデルアーキテクチャの変更は一般的に3%未満の限界ゲインをもたらす。この観察に触発されたShapeKitは、解剖学的形状を洗練するための柔軟で容易に統合できるツールキットである。この研究は、形状ベースツールの未熟な価値を強調し、医療セグメント化コミュニティにおける潜在的な影響に注意を喚起する。

関連論文リスト

Are Pixel-Wise Metrics Reliable for Sparse-View Computed Tomography Reconstruction? [50.68335638232752]
解剖学的構造全体にわたる構造的完全性を評価するために,解剖学的評価尺度の組を提案する。 CAREは、重要な構造物の解剖学的保存を促進するために、訓練中に構造的罰則を取り入れている。 CAREはCT再建における構造的完全性を大幅に改善し、大臓器では+32%、小臓器では+22%、小腸では+40%、血管では+36%となる。
論文参考訳（メタデータ） (2025-06-02T17:07:10Z)
Adaptive Transformer Attention and Multi-Scale Fusion for Spine 3D Segmentation [3.1862885335359095]
本研究では,改良SwinUNETRに基づく脊椎の3次元セマンティックセマンティックセグメンテーション法を提案する。本稿では, 脊椎画像の複雑な解剖構造に着目し, 特徴抽出能力を高めるため, マルチスケール融合機構を提案する。実験結果から,3次元CNN,3次元U-Net,3次元U-Net + Transformerと比較して,本研究のモデルは大幅に改善された。
論文参考訳（メタデータ） (2025-03-17T06:27:43Z)
VISTA3D: A Unified Segmentation Foundation Model For 3D Medical Imaging [18.111368889931885]
VISTA3D,Versatile Imaging SegmenTation,voxel modelを提案する。確立された3Dセグメンテーションパイプライン上に構築されている。これは、3D自動(127クラスのサポート)と3Dインタラクティブセグメンテーションの両方で最先端のパフォーマンスを達成する最初のモデルである。
論文参考訳（メタデータ） (2024-06-07T22:41:39Z)
ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
論文参考訳（メタデータ） (2023-12-11T07:09:32Z)
BOSS: Bones, Organs and Skin Shape Model [10.50175010474078]
我々は,CT画像から学習した皮膚,内臓,骨を結合した変形可能な人体形状とポーズモデルを提案する。確率的PCAを用いて、ポーズ正規化空間の統計的変動をモデル化することにより、本手法は身体の全体像を提供する。
論文参考訳（メタデータ） (2023-03-08T22:31:24Z)
Multiscale Mesh Deformation Component Analysis with Attention-based Autoencoders [49.62443496989065]
重み付けされたアテンションベースオートエンコーダを用いて, マルチスケール変形成分を精度良く自動生成する手法を提案する。このアテンション機構は、アクティブな変形領域において、軟弱なマルチスケール変形成分を学習するように設計されている。提案手法では,新しい形状の効果的なモデリングを容易にするために,粗い形状で形状を編集することができる。
論文参考訳（メタデータ） (2020-12-04T08:30:57Z)
Contour Transformer Network for One-shot Segmentation of Anatomical Structures [26.599337546171732]
本稿では,自然に組み込まれたループ機構を備えたワンショット解剖分類手法であるContour Transformer Network(CTN)を提案する。 4つの解剖学のセグメンテーションタスクにおいて、我々のワンショット学習法が非学習的手法を著しく上回っていることを示す。最小限のHuman-in-the-loop編集フィードバックにより、セグメンテーション性能は、完全に教師されたメソッドを超えるようにさらに改善される。
論文参考訳（メタデータ） (2020-12-02T19:42:18Z)
Benchmarking off-the-shelf statistical shape modeling tools in clinical applications [53.47202621511081]
我々は、広く使われている最先端のSSMツールの結果を体系的に評価する。解剖学的ランドマーク/計測推測および病変スクリーニングのための検証フレームワークを提案する。 ShapeWorks と Deformetrica の形状モデルは臨床的に関連する集団レベルの変動を捉えている。
論文参考訳（メタデータ） (2020-09-07T03:51:35Z)
Learning to Segment Anatomical Structures Accurately from One Exemplar [34.287877547953194]
大量の注釈付きトレーニング画像を用いることなく、正確な解剖学的構造セグメンテーションを作成できる方法は、非常に望ましい。本研究では,自然に組み込まれたループ機構を備えたワンショット解剖セグメントであるContour Transformer Network (CTN)を提案する。筆者らのワンショット学習法は,非学習に基づく手法を著しく上回り,最先端の完全教師付きディープラーニングアプローチと競争的に機能することを示した。
論文参考訳（メタデータ） (2020-07-06T20:27:38Z)
Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。本稿では,ボディセグメンテーションを重要な監視対象として紹介する。部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
論文参考訳（メタデータ） (2020-03-24T14:25:46Z)

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。