論文の概要: Benchmarking DINOv3 for Multi-Task Stroke Analysis on Non-Contrast CT

• arxiv url: http://arxiv.org/abs/2509.23132v1
• Date: Sat, 27 Sep 2025 05:33:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.060596
• Title: Benchmarking DINOv3 for Multi-Task Stroke Analysis on Non-Contrast CT
• Title（参考訳）: 非造影CTにおけるマルチタスクストローク解析のためのDINOv3ベンチマーク
• Authors: Donghao Zhang, Yimin Chen, Kauê TN Duarte, Taha Aslan, Mohamed AlShamrani, Brij Karmur, Yan Wan, Shengcai Chen, Bo Hu, Bijoy K Menon, Wu Qiu,
• Abstract要約: 非コントラストCT(non-contrast Computed Tomography)は脳卒中診断に必須であるが,低画像コントラストと信号対雑音比によって制限される。 我々は、最先端の自己監督型視覚変換器であるDINOv3を利用して、脳卒中解析タスクの包括的なセットに強力な特徴表現を生成することで、この問題に対処する。
• 参考スコア（独自算出の注目度）: 7.576806888399401
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-contrast computed tomography (NCCT) is essential for rapid stroke diagnosis but is limited by low image contrast and signal to noise ratio. We address this challenge by leveraging DINOv3, a state-of-the-art self-supervised vision transformer, to generate powerful feature representations for a comprehensive set of stroke analysis tasks. Our evaluation encompasses infarct and hemorrhage segmentation, anomaly classification (normal vs. stroke and normal vs. infarct vs. hemorrhage), hemorrhage subtype classification (EDH, SDH, SAH, IPH, IVH), and dichotomized ASPECTS classification (<=6 vs. >6) on multiple public and private datasets. This study establishes strong benchmarks for these tasks and demonstrates the potential of advanced self-supervised models to improve automated stroke diagnosis from NCCT, providing a clear analysis of both the advantages and current constraints of the approach. The code is available at https://github.com/Zzz0251/DINOv3-stroke.
• Abstract（参考訳）: 非コントラストCT(non-contrast Computed Tomography)は脳卒中診断に必須であるが,低画像コントラストと信号対雑音比によって制限される。 我々は、最先端の自己監督型視覚変換器であるDINOv3を利用して、脳卒中解析タスクの包括的なセットに強力な特徴表現を生成することで、この問題に対処する。 対象は, 梗塞, 出血分別, 異常分類(正常対脳梗塞, 正常対脳梗塞), 出血サブタイプ分類(EDH, SDH, SAH, IPH, IVH), および複数のパブリックデータセットとプライベートデータセットの2種類のASPECTS分類(=6 vs >6)である。 本研究は、これらの課題に対する強力なベンチマークを確立し、NCCTによる自動脳卒中診断を改善するための高度な自己教師モデルの可能性を示し、アプローチの利点と現在の制約の両方を明確に分析する。 コードはhttps://github.com/Zzz0251/DINOv3-strokeで入手できる。

関連論文リスト

• Bayesian Deep Learning Approaches for Uncertainty-Aware Retinal OCT Image Segmentation for Multiple Sclerosis [0.0]
  光コヒーレンス・トモグラフィ(OCT)は眼科、心臓科、神経学の貴重な知見を提供する。 OCTを用いた眼科医にとって重要な課題は、スキャン内の網膜層のデライン化である。 深層学習を用いたデライン作成の自動化に向けた従来の取り組みは、臨床医や統計学者の獲得に困難を呈している。
  論文  参考訳（メタデータ） (2025-05-17T15:56:17Z)
• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)
• Dual-Task Vision Transformer for Rapid and Accurate Intracerebral Hemorrhage CT Image Classification [9.058538258023383]
  脳内出血 (ICH) は、脳血管の破裂によって引き起こされる疾患である。 ICH画像の自動分類と診断のためのニューラルネットワーク構造であるDouble-task Vision Transformer(DTViT)を提案する。
  論文  参考訳（メタデータ） (2024-05-10T21:17:31Z)
• Predicting risk of cardiovascular disease using retinal OCT imaging [40.71667870702634]
  心臓血管疾患(CVD)が世界的に死因となっている。 光コヒーレンストモグラフィー(OCT)は早期のCVDリスク予測の潜在的なツールとして認識されている。 我々は,将来のCVD事象を予測するための追加撮像技術としてのOCTの可能性について検討した。
  論文  参考訳（メタデータ） (2024-03-26T14:42:46Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)

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。