論文の概要: SmaRT: Style-Modulated Robust Test-Time Adaptation for Cross-Domain Brain Tumor Segmentation in MRI

• arxiv url: http://arxiv.org/abs/2509.17925v1
• Date: Mon, 22 Sep 2025 15:50:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.475343
• Title: SmaRT: Style-Modulated Robust Test-Time Adaptation for Cross-Domain Brain Tumor Segmentation in MRI
• Title（参考訳）: SmaRT:MRIにおける横断脳腫瘍切片に対するスタイル変調ロバストテスト時間適応法
• Authors: Yuanhan Wang, Yifei Chen, Shuo Jiang, Wenjing Yu, Mingxuan Liu, Beining Wu, Jinying Zong, Feiwei Qin, Changmiao Wang, Qiyuan Tian,
• Abstract要約: 我々はSmaRTを提案する。SmaRTは、スタイル変調された堅牢なテスト時間適応フレームワークである。 SmaRTは、外観の相違を軽減するためにスタイル認識の強化、安定した擬似ラベルリファインメントのためのデュアルブランチモーメント戦略、一貫性、整合性、接続性を高める構造的先行性を統合する。 サハラ以南のアフリカと小児グリオーマデータセットの評価において、SmaRTは一貫して最先端の手法よりも優れている。
• 参考スコア（独自算出の注目度）: 15.54859394044201
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable brain tumor segmentation in MRI is indispensable for treatment planning and outcome monitoring, yet models trained on curated benchmarks often fail under domain shifts arising from scanner and protocol variability as well as population heterogeneity. Such gaps are especially severe in low-resource and pediatric cohorts, where conventional test-time or source-free adaptation strategies often suffer from instability and structural inconsistency. We propose SmaRT, a style-modulated robust test-time adaptation framework that enables source-free cross-domain generalization. SmaRT integrates style-aware augmentation to mitigate appearance discrepancies, a dual-branch momentum strategy for stable pseudo-label refinement, and structural priors enforcing consistency, integrity, and connectivity. This synergy ensures both adaptation stability and anatomical fidelity under extreme domain shifts. Extensive evaluations on sub-Saharan Africa and pediatric glioma datasets show that SmaRT consistently outperforms state-of-the-art methods, with notable gains in Dice accuracy and boundary precision. Overall, SmaRT bridges the gap between algorithmic advances and equitable clinical applicability, supporting robust deployment of MRI-based neuro-oncology tools in diverse clinical environments. Our source code is available at https://github.com/baiyou1234/SmaRT.
• Abstract（参考訳）: MRIの信頼性の高い脳腫瘍セグメント化は、治療計画と結果監視には不可欠であるが、診断されたベンチマークで訓練されたモデルは、スキャナーやプロトコルの多様性、人口の不均一性から生じるドメインシフトで失敗することが多い。 このようなギャップは、従来のテストタイムやソースフリーな適応戦略が不安定性と構造的不整合に悩まされる、低リソースと小児のコホートにおいて特に深刻である。 SmaRTは、ソースフリーなクロスドメインの一般化を可能にする、スタイル変調された堅牢なテスト時間適応フレームワークである。 SmaRTは、外観の相違を軽減するためにスタイル認識の強化、安定した擬似ラベルリファインメントのためのデュアルブランチモーメント戦略、一貫性、整合性、接続性を高める構造的先行性を統合する。 このシナジーは、極端ドメインシフト下での適応安定性と解剖学的忠実性の両方を保証する。 サハラ以南のアフリカと小児のグリオーマデータセットの大規模な評価は、SmaRTが常に最先端の手法よりも優れており、Diceの精度と境界精度が顕著であることを示している。 全体として、SmaRTはアルゴリズムの進歩と同等な臨床応用のギャップを埋め、様々な臨床環境におけるMRIベースの神経オンコロジーツールの堅牢な展開をサポートする。 ソースコードはhttps://github.com/baiyou1234/SmaRT.comから入手可能です。

関連論文リスト

• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• T-CACE: A Time-Conditioned Autoregressive Contrast Enhancement Multi-Task Framework for Contrast-Free Liver MRI Synthesis, Segmentation, and Diagnosis [5.9273237904788045]
  非造影MRI(NCMRI)から直接造影MRI(CEMRI)を合成するためのT-CACE(Time-Conditioned Autoregressive Contrast Enhancement)フレームワークを提案する。 T-CACEは、解剖学的先行情報と時間相情報を潜在表現に統一する条件付きトークン符号化(CTE)機構と、相間情報の流れを適応的に調節する動的時間認識型注意マスク(DTAM)の3つの中心的革新を導入している。 2つの独立した肝MRIデータセットの実験により、T-CACEは画像合成、セグメンテーション、病変において最先端の手法より優れていることが示された
  論文  参考訳（メタデータ） (2025-08-13T16:14:14Z)
• Robust Brain Tumor Segmentation with Incomplete MRI Modalities Using Hölder Divergence and Mutual Information-Enhanced Knowledge Transfer [10.66488607852885]
  不完全なモダリティであっても高いセグメンテーション精度を実現する頑健な単一モード並列処理フレームワークを提案する。 モデルでは、利用可能な入力に基づいてネットワークパラメータを動的に調整しながら、モダリティ固有の特徴を維持している。 これらのばらつきと情報に基づく損失関数を用いることで、このフレームワークは予測と地味ラベルの差異を効果的に定量化する。
  論文  参考訳（メタデータ） (2025-07-02T00:18:07Z)
• STG: Spatiotemporal Graph Neural Network with Fusion and Spatiotemporal Decoupling Learning for Prognostic Prediction of Colorectal Cancer Liver Metastasis [9.511932098831322]
  大腸癌肝転移(KCCM)を予測するためのマルチモーダル時間グラフニューラルネットワーク(STG)フレームワークを提案する。 我々のSTGフレームワークはCT画像と臨床データをヘテロジニアスグラフ構造に結合し,腫瘍分布エッジの同時モデリングと時間的進化を可能にする。 軽量版ではパラメータ数を78.55%削減し、最先端の性能を維持している。
  論文  参考訳（メタデータ） (2025-05-06T02:41:34Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients [31.567542945171834]
  脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。 BraTS-Regは、変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境である。 BraTS-Regの目的は、引き続き研究の活発な資源として機能することである。
  論文  参考訳（メタデータ） (2021-12-13T19:25:16Z)
• Self-transfer learning via patches: A prostate cancer triage approach based on bi-parametric MRI [1.3934382972253603]
  前立腺癌(PCa)は世界で2番目に多いがんである。 現在のPCa診断経路は、かなりの過剰診断のコストがかかり、不必要な治療とさらなる検査に繋がる。 臨床的に有意な (cS) 病変と非有意な (ncS) 病変を区別するためのパッチベースの事前訓練戦略を提案する。
  論文  参考訳（メタデータ） (2021-07-22T17:02:38Z)

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。