論文の概要: VesselRW: Weakly Supervised Subcutaneous Vessel Segmentation via Learned Random Walk Propagation

• arxiv url: http://arxiv.org/abs/2508.06819v2
• Date: Mon, 18 Aug 2025 08:25:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 12:43:44.859293
• Title: VesselRW: Weakly Supervised Subcutaneous Vessel Segmentation via Learned Random Walk Propagation
• Title（参考訳）: VesselRW:学習ランダムウォーク伝播による皮下血管分画の急激な改善
• Authors: Ayaan Nooruddin Siddiqui, Mahnoor Zaidi, Ayesha Nazneen Shahbaz, Priyadarshini Chatterjee, Krishnan Menon Iyer,
• Abstract要約: 皮下血管の分節化に特化して設計された弱教師付きトレーニングフレームワークを提案する。 この方法は、センターライントレース、ドットマーカー、短いスクリブルといった、低コストでスパースなアノテーションを使用して学習プロセスをガイドする。 臨床皮下画像データセットを用いた実験により,本手法はナイーブなスパースラベルトレーニングと従来の擬似ラベル法の両方より一貫して優れていることが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The task of parsing subcutaneous vessels in clinical images is often hindered by the high cost and limited availability of ground truth data, as well as the challenge of low contrast and noisy vessel appearances across different patients and imaging modalities. In this work, we propose a novel weakly supervised training framework specifically designed for subcutaneous vessel segmentation. This method utilizes low-cost, sparse annotations such as centerline traces, dot markers, or short scribbles to guide the learning process. These sparse annotations are expanded into dense probabilistic supervision through a differentiable random walk label propagation model, which integrates vesselness cues and tubular continuity priors driven by image data. The label propagation process results in per-pixel hitting probabilities and uncertainty estimates, which are incorporated into an uncertainty-weighted loss function to prevent overfitting in ambiguous areas. Notably, the label propagation model is trained jointly with a CNN-based segmentation network, allowing the system to learn vessel boundaries and continuity constraints without the need for explicit edge supervision. Additionally, we introduce a topology-aware regularizer that encourages centerline connectivity and penalizes irrelevant branches, further enhancing clinical applicability. Our experiments on clinical subcutaneous imaging datasets demonstrate that our approach consistently outperforms both naive sparse-label training and traditional dense pseudo-labeling methods, yielding more accurate vascular maps and better-calibrated uncertainty, which is crucial for clinical decision-making. This method significantly reduces the annotation workload while maintaining clinically relevant vessel topology.
• Abstract（参考訳）: 臨床画像における皮下血管解析の課題は,高コストで真理データの入手が限られていること,低コントラストとノイズの多い血管の出現の難しさ,画像モダリティがしばしば妨げられている。 そこで本研究では,皮下血管の分節化に特化して設計された,弱い教師付きトレーニングフレームワークを提案する。 この方法は、センターライントレース、ドットマーカー、短いスクリブルといった、低コストでスパースなアノテーションを使用して学習プロセスをガイドする。 これらのスパースアノテーションは、画像データによって駆動される血管性キューと管状連続性を統合した、可変ランダムウォークラベル伝搬モデルにより、密度の高い確率的監視へと拡張される。 ラベル伝搬過程は,不明瞭領域の過適合を防止するために不確実性重み付き損失関数に組み込まれた画素当たりのヒット確率と不確実性推定をもたらす。 特に、ラベル伝搬モデルはCNNベースのセグメンテーションネットワークと共同で訓練されており、明示的なエッジ監視を必要とせず、血管境界と連続性制約を学習することができる。 さらに, トポロジを意識したレギュレータを導入し, 中心線接続を奨励し, 関係のない枝を罰し, さらに臨床応用性を高める。 臨床皮下画像データセットを用いた実験により,本手法は,より正確な血管地図と良好な校正不確かさを生み出すため,単純スパースラベルトレーニングと従来より密集した擬似ラベル法の両方を一貫して上回り,臨床診断に欠かせない結果が得られた。 この方法は、臨床的に関係のある血管のトポロジーを維持しながら、アノテーションのワークロードを著しく削減する。

関連論文リスト

• Improve Retinal Artery/Vein Classification via Channel Couplin [12.219907282789285]
  本稿では,血管,動脈,静脈のコヒーレンスと整合性を確保するために,Channel-Coupled Vessel Consistency Lossという新たな損失を提案する。 また、画像内画素レベルのコントラスト損失という正規化用語を導入し、より識別性の高い特徴レベルの微粒化表現を抽出する。 SOTAの結果は、RITE、LES-AV、HRFを含む3つのパブリックA/V分類データセットで達成されている。
  論文  参考訳（メタデータ） (2025-07-31T18:43:02Z)
• Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels [63.415444378608214]
  提案手法は, 進歩的半教師付き学習, 適応的学習戦略, 境界拡張など, 革新的な手法を取り入れたものである。 3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標を用いて,本手法の優位性を示す。
  論文  参考訳（メタデータ） (2023-08-07T14:16:52Z)
• Boundary-weighted logit consistency improves calibration of segmentation networks [6.980357450216633]
  また,ロジット整合性は,不明瞭なラベルを持つ画素における過信予測を防止し,空間的に変化する正則化器として機能することを示す。 この正則化器の境界重み付き拡張は、前立腺と心臓のMRIセグメンテーションの最先端のキャリブレーションを提供する。
  論文  参考訳（メタデータ） (2023-07-16T22:13:28Z)
• The Topology-Overlap Trade-Off in Retinal Arteriole-Venule Segmentation [0.0]
  畳み込みニューラルネットワークは 予測と専門家のアノテーションの 高い重複を達成できる オーバーラップの観点から,本モデルが最先端技術と同等の結果を得られることを示す。
  論文  参考訳（メタデータ） (2023-03-31T13:01:05Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
  病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。 本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。 本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
  論文  参考訳（メタデータ） (2021-08-01T07:28:32Z)
• Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
  本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。 提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:55:43Z)
• Spatially Varying Label Smoothing: Capturing Uncertainty from Expert Annotations [19.700271444378618]
  画像分割のタスクは、解剖学的構造間の境界の正確な位置に関する曖昧さのために本質的に騒々しい。 我々は、この情報は専門家のアノテーションから余分なコストで抽出することができ、ソフト確率予測と基礎となる不確実性の間の校正を改善することができると論じる。 そこで我々は,アウトプット予測の校正に有効であることを示す基底真理ラベルの'blurred'バージョン上でネットワークをトレーニングするラベル平滑化(ls)を構築した。
  論文  参考訳（メタデータ） (2021-04-12T19:35:51Z)
• Towards Unbiased COVID-19 Lesion Localisation and Segmentation via Weakly Supervised Learning [66.36706284671291]
  本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。 このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
  論文  参考訳（メタデータ） (2021-03-01T06:05:49Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。