論文の概要: LoRA-fine-tuned Large Vision Models for Automated Assessment of Post-SBRT Lung Injury

• arxiv url: http://arxiv.org/abs/2509.12155v1
• Date: Mon, 15 Sep 2025 17:21:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.423687
• Title: LoRA-fine-tuned Large Vision Models for Automated Assessment of Post-SBRT Lung Injury
• Title（参考訳）: SBRT後肺損傷自動評価のためのLORA微調整大ビジョンモデル
• Authors: M. Bolhassani, B. Veasey, E. Daugherty, S. Keltner, N. Kumar, N. Dunlap, A. Amini,
• Abstract要約: 放射線誘発肺損傷(RILI)の診断のための細調整大型ビジョンモデルDinoV2とSwinV2のためのローランド適応(LoRA) 治療アイソセンタを中心とした2つのサイズ(50 mm3および75 mm3)のクロッピング画像を用いて,空間的文脈に対するモデルの感度を判定した。 実験結果から,LoRAは従来の微調整と同等あるいは優れた性能を示しながら,トレーニング可能なパラメータを少なくすることで,計算コストとトレーニング時間を大幅に削減できることがわかった。
• 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: This study investigates the efficacy of Low-Rank Adaptation (LoRA) for fine-tuning large Vision Models, DinoV2 and SwinV2, to diagnose Radiation-Induced Lung Injury (RILI) from X-ray CT scans following Stereotactic Body Radiation Therapy (SBRT). To evaluate the robustness and efficiency of this approach, we compare LoRA with traditional full fine-tuning and inference-only (no fine-tuning) methods. Cropped images of two sizes (50 mm3 and 75 mm3), centered at the treatment isocenter, in addition to different adaptation techniques for adapting the 2D LVMs for 3D data were used to determine the sensitivity of the models to spatial context. Experimental results show that LoRA achieves comparable or superior performance to traditional fine-tuning while significantly reducing computational costs and training times by requiring fewer trainable parameters.
• Abstract（参考訳）: 胸部X線CT(SBRT)による放射線誘発肺損傷 (RILI) の診断におけるLoRA(Lo-Rank Adaptation) の有用性について検討した。 このアプローチの堅牢性と効率性を評価するため,従来の完全微調整法と推論専用法(微調整なし)との比較を行った。 2つのサイズ (50 mm3, 75 mm3) のクロッピング画像を用いて, 3次元データに2次元LVMを適応させる異なる適応手法を用いて, 空間的文脈に対するモデルの感度を推定した。 実験結果から,LoRAは従来の微調整と同等あるいは優れた性能を示しながら,トレーニング可能なパラメータを少なくすることで,計算コストとトレーニング時間を大幅に削減できることがわかった。

関連論文リスト

• DINOMotion: advanced robust tissue motion tracking with DINOv2 in 2D-Cine MRI-guided radiotherapy [1.9458647657637413]
  DINOMotionは、ロバストで効率的な、解釈可能なモーショントラッキングのための新しいディープラーニングフレームワークである。 DINOMotionは、対応するランドマークを自動的に検出し、最適な画像登録を導き、解釈可能性を高める。 ボランティアおよび患者データセットに対する実験は、線形および非線形の変換を推定する上で、その効果を実証する。
  論文  参考訳（メタデータ） (2025-08-14T01:02:26Z)
• LoRA-based methods on Unet for transfer learning in Subarachnoid Hematoma Segmentation [1.0509176043183581]
  動脈瘤性くも膜下出血(Aneurysmal subarachnoid hemorrhage、SAH)は、致死率30%を超える致命的な神経疾患である。 関連する血腫型からの移行学習は、潜在的に価値はあるが未発見のアプローチである。 LoRA法は、大動脈瘤SAHセグメンテーションにおける標準Unet微調整よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-08-03T14:12:42Z)
• SAMRI-2: A Memory-based Model for Cartilage and Meniscus Segmentation in 3D MRIs of the Knee Joint [0.7879983966759583]
  本研究では,メモリベースのVFMを用いた3次元MRIによる軟骨・半月板分割のためのディープラーニング(DL)手法を提案する。 我々はCNNベースの3D-VNetと2つの自動トランスフォーマーベースモデル(SaMRI2DとSaMRI3D)、およびトランスフォーマーベースのプロンプト可能なメモリベースVFM(SAMRI-2)を270例の3D膝MRIで訓練した。 SAMRI-2はHSSで訓練され、他の全てのモデルより優れ、平均5ポイント改善し、最高12ポイント向上した。
  論文  参考訳（メタデータ） (2025-02-14T21:18:01Z)
• High-Fidelity 3D Lung CT Synthesis in ARDS Swine Models Using Score-Based 3D Residual Diffusion Models [13.79974752491887]
  急性呼吸不全症候群(ARDS)は、肺炎症と呼吸不全を特徴とする重症疾患であり、死亡率は約40%である。 胸部X線のような従来の画像撮影法は、肺病理の完全な評価において、その効果を制限し、2次元のビューのみを提供する。 本研究では, スコアベース3D残差拡散モデルを用いて2次元X線画像から高忠実度3D肺CTを合成する。
  論文  参考訳（メタデータ） (2024-09-26T18:22:34Z)
• Less Could Be Better: Parameter-efficient Fine-tuning Advances Medical Vision Foundation Models [71.18275399694689]
  医療視基盤モデルにおけるPEFTの有効性はまだ不明である。 NIH ChestX-ray14のラベル付きデータを用いたAUROCスコアの80.6%など,さまざまなデータ効率の学習タスクに対して,新たな最先端技術を構築した。 本研究は, PEFTを用いた医用画像の伝達学習において, コミュニティの注目を集めることが期待できる。
  論文  参考訳（メタデータ） (2024-01-22T18:59:07Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• 3DSAM-adapter: Holistic adaptation of SAM from 2D to 3D for promptable tumor segmentation [52.699139151447945]
  医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。 本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
  論文  参考訳（メタデータ） (2023-06-23T12:09:52Z)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)

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。