論文の概要: Comparative Study of UNet-based Architectures for Liver Tumor Segmentation in Multi-Phase Contrast-Enhanced Computed Tomography

• arxiv url: http://arxiv.org/abs/2510.25522v1
• Date: Wed, 29 Oct 2025 13:46:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:45.682042
• Title: Comparative Study of UNet-based Architectures for Liver Tumor Segmentation in Multi-Phase Contrast-Enhanced Computed Tomography
• Title（参考訳）: 多相造影CTにおける肝腫瘍切除のためのUNetアーキテクチャの比較検討
• Authors: Doan-Van-Anh Ly, Thi-Thu-Hien Pham, Thanh-Hai Le,
• Abstract要約: 肝腫瘍セグメンテーションのためのUNetアーキテクチャの性能について検討した。 驚くべきことに、モダンアーキテクチャの進歩にもかかわらず、ResNetベースのモデルはTransformerとMambaベースの代替品を一貫して上回っている。
• 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: Segmentation of liver structures in multi-phase contrast-enhanced computed tomography (CECT) plays a crucial role in computer-aided diagnosis and treatment planning for liver diseases, including tumor detection. In this study, we investigate the performance of UNet-based architectures for liver tumor segmentation, starting from the original UNet and extending to UNet3+ with various backbone networks. We evaluate ResNet, Transformer-based, and State-space (Mamba) backbones, all initialized with pretrained weights. Surprisingly, despite the advances in modern architecture, ResNet-based models consistently outperform Transformer- and Mamba-based alternatives across multiple evaluation metrics. To further improve segmentation quality, we introduce attention mechanisms into the backbone and observe that incorporating the Convolutional Block Attention Module (CBAM) yields the best performance. ResNetUNet3+ with CBAM module not only produced the best overlap metrics with a Dice score of 0.755 and IoU of 0.662, but also achieved the most precise boundary delineation, evidenced by the lowest HD95 distance of 77.911. The model's superiority was further cemented by its leading overall accuracy of 0.925 and specificity of 0.926, showcasing its robust capability in accurately identifying both lesion and healthy tissue. To further enhance interpretability, Grad-CAM visualizations were employed to highlight the region's most influential predictions, providing insights into its decision-making process. These findings demonstrate that classical ResNet architecture, when combined with modern attention modules, remain highly competitive for medical image segmentation tasks, offering a promising direction for liver tumor detection in clinical practice.
• Abstract（参考訳）: 多相造影CT(CECT)における肝構造物の分画は,腫瘍検出を含む肝疾患の診断・治療計画において重要な役割を担っている。 そこで本研究では,肝腫瘍セグメンテーションのためのUNetベースのアーキテクチャの性能について検討した。 ResNet, Transformer-based, and State-space (Mamba) backbones, all initialized with pretrained weights。 驚くべきことに、モダンアーキテクチャの進歩にもかかわらず、ResNetベースのモデルは、複数の評価指標でTransformerとMambaベースの代替品を一貫して上回っている。 セグメンテーションの質をさらに向上するため、我々はバックボーンに注意機構を導入し、CBAM(Convolutional Block Attention Module)を組み込むことで最高のパフォーマンスが得られることを観察した。 CBAMモジュールを搭載したResNetUNet3+は、Diceスコアが0.755、IoUが0.662で最高の重なり合う測定値を生成するだけでなく、HD95の最低距離77.911で証明された最も正確な境界線も達成した。 このモデルの優位性は、0.925の全体的な精度と0.926の特異性によってさらに強化され、病変と健康組織の両方を正確に識別する堅牢性を示している。 解釈可能性をさらに高めるため、グレード・CAMの可視化は地域の最も影響力のある予測を強調し、意思決定プロセスに関する洞察を提供するために用いられた。 これらの結果から,従来のResNetアーキテクチャと現代の注目モジュールを組み合わせると,医用画像分割作業の競争力が高く,臨床における肝腫瘍検出に有望な方向性を示すことが明らかとなった。

関連論文リスト

• DB-FGA-Net: Dual Backbone Frequency Gated Attention Network for Multi-Class Brain Tumor Classification with Grad-CAM Interpretability [0.0]
  本稿では、VGG16とXceptionをFGAブロックと統合した二重バックボーンネットワークを提案する。 本モデルでは,可変サイズおよび分散データセットに対するロバスト性を示す拡張を伴わず,最先端のパフォーマンスを実現する。 さらに透明性を高めるため、Grad-CAMはモデルが予測している腫瘍領域を可視化するために統合され、モデル予測と臨床解釈可能性のギャップを埋める。
  論文  参考訳（メタデータ） (2025-10-23T07:39:00Z)
• DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights [54.87947751720332]
  脳腫瘍の正確なセグメンテーションは、臨床診断と治療に重要である。 マンバを拠点とするState Space Modelsは、有望なパフォーマンスを示している。 本稿では,計算オーバーヘッドを最小限に抑えながら,マルチスケールの長距離依存関係をキャプチャするマルチ解像度双方向マンバを提案する。
  論文  参考訳（メタデータ） (2025-10-16T07:31:21Z)
• HANS-Net: Hyperbolic Convolution and Adaptive Temporal Attention for Accurate and Generalizable Liver and Tumor Segmentation in CT Imaging [2.7205074719266062]
  腹部CT像における肝・腫瘍の正確なセグメンテーションは確実な診断と治療計画に重要である。 ニューラル表現とシナプティック・プラスティック・ネットワーク(HANS-Net)を用いたハイパーボリック・コンボリューションの導入 HANS-Netは、階層的幾何表現のための双曲的畳み込み、マルチスケールテクスチャ学習のためのウェーブレットインスパイアされた分解モジュール、暗黙の神経表現分岐を組み合わせた。
  論文  参考訳（メタデータ） (2025-07-15T13:56:37Z)
• Enhancing Brain Tumor Segmentation Using Channel Attention and Transfer learning [5.062500255359342]
  自動脳腫瘍分割のためのResUNetアーキテクチャを提案する。 EfficientNetB0エンコーダは、事前訓練された機能を活用して、機能の抽出効率を向上させる。 チャネルアテンション機構は、腫瘍関連の特徴に焦点を絞るモデルを強化する。
  論文  参考訳（メタデータ） (2025-01-19T23:58:16Z)
• Improved Unet brain tumor image segmentation based on GSConv module and ECA attention mechanism [0.0]
  U-Netアーキテクチャに基づく深層学習アルゴリズムである脳腫瘍に対する医用画像分割法の改良モデルについて述べる。 従来のU-Netに基づいて,医療画像分割作業におけるモデルの性能向上を目的としたGSConvモジュールとECAアテンション機構を導入する。
  論文  参考訳（メタデータ） (2024-09-20T16:35:19Z)
• 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)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。