Fugu-MT 論文翻訳(概要): Domain-Adaptive Transformer for Data-Efficient Glioma Segmentation in Sub-Saharan MRI

論文の概要: Domain-Adaptive Transformer for Data-Efficient Glioma Segmentation in Sub-Saharan MRI

arxiv url: http://arxiv.org/abs/2511.02928v1
Date: Tue, 04 Nov 2025 19:20:55 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-06 18:19:32.217846
Title: Domain-Adaptive Transformer for Data-Efficient Glioma Segmentation in Sub-Saharan MRI
Title（参考訳）: サブサハラMRIにおけるデータ効率の良いグリオーマセグメンテーションのためのドメイン適応変換器
Authors: Ilerioluwakiiye Abolade, Aniekan Udo, Augustine Ojo, Abdulbasit Oyetunji, Hammed Ajigbotosho, Aondana Iorumbur, Confidence Raymond, Maruf Adewole,
Abstract要約: SegFormer3D-plusは、領域可変性の下で堅牢なセグメンテーションのために設計された放射能誘導型トランスフォーマーアーキテクチャである。本手法は,(1) スキャナ間の強度調和のためのヒストグラムマッチング,(2) PCA-reduced k-meansによる領域認識層分けサンプリング,(3) 周波数認識特徴抽出と空間チャネルアテンションを備えたデュアルパスエンコーダ,(4) 境界微細化のための複合Dice-Cross-Entropy損失を組み合わせた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Glioma segmentation is critical for diagnosis and treatment planning, yet remains challenging in Sub-Saharan Africa due to limited MRI infrastructure and heterogeneous acquisition protocols that induce severe domain shift. We propose SegFormer3D-plus, a radiomics-guided transformer architecture designed for robust segmentation under domain variability. Our method combines: (1) histogram matching for intensity harmonization across scanners, (2) radiomic feature extraction with PCA-reduced k-means for domain-aware stratified sampling, (3) a dual-pathway encoder with frequency-aware feature extraction and spatial-channel attention, and (4) composite Dice-Cross-Entropy loss for boundary refinement. Pretrained on BraTS 2023 and fine-tuned on BraTS-Africa data, SegFormer3D-plus demonstrates improved tumor subregion delineation and boundary localization across heterogeneous African clinical scans, highlighting the value of radiomics-guided domain adaptation for resource-limited settings.
Abstract（参考訳）: グリオーマセグメンテーションは診断と治療計画に重要であるが、サブサハラアフリカではMRIのインフラが限られており、ドメインシフトが激しいため、依然として困難である。領域可変性下でのロバストなセグメンテーションのために設計された放射能誘導型トランスフォーマアーキテクチャであるSegFormer3D-plusを提案する。本手法は,(1) スキャナ間の強度調和のためのヒストグラムマッチング,(2) PCA-reduced k-meansによる領域認識層分けサンプリング,(3) 周波数認識特徴抽出と空間チャネルアテンションを備えたデュアルパスエンコーダ,(4) 境界微細化のための複合Dice-Cross-Entropy損失を組み合わせた。 BraTS 2023でトレーニングされ、BraTS-Africaデータで微調整されたSegFormer3D-plusは、異種アフリカの臨床スキャンにおける腫瘍亜領域の脱線と境界局在の改善を示し、リソース制限された設定に対する放射線誘導ドメイン適応の価値を強調している。

関連論文リスト

PF-DAformer: Proximal Femur Segmentation via Domain Adaptive Transformer for Dual-Center QCT [8.358409792893278]
多施設定量的CT(QCT)に適したドメイン適応型トランスフォーマーセグメンテーションフレームワークを開発した。当モデルでは, タラネ大学から1024個のQCT画像スキャン, ミネソタ州ロチェスターから384個の画像スキャンを行い, 大腿骨近位部セグメンテーションを行った。
論文参考訳（メタデータ） (2025-10-30T18:07:56Z)
HybridMamba: A Dual-domain Mamba for 3D Medical Image Segmentation [12.595264673714025]
Mambaは、CNN固有の長距離依存関係をモデリングする際の制限に対処する上で、優れたパフォーマンスを示している。二重補完機構を用いたアーキテクチャであるHybridMambaを提案する。 MRIおよびCTデータセットの実験により、HybridMambaは3次元医用画像のセグメンテーションにおいて最先端の手法を大幅に上回っていることが示された。
論文参考訳（メタデータ） (2025-09-18T04:32:49Z)
Learning from Heterogeneous Structural MRI via Collaborative Domain Adaptation for Late-Life Depression Assessment [24.340328016766183]
T1強調MRIを用いたLDD検出のための協調的ドメイン適応フレームワークを提案する。このフレームワークは、ラベル付きソースデータに対する教師付きトレーニング、自己教師付きターゲット特徴適応、ラベルなしターゲットデータに対する協調トレーニングの3段階で構成されている。マルチサイトT1強調MRIデータを用いて行った実験により、このフレームワークは最先端の非教師なし領域適応法より一貫して優れていることが示された。
論文参考訳（メタデータ） (2025-07-30T01:38:32Z)
SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文参考訳（メタデータ） (2024-02-27T06:32:56Z)
Learning to Generalize over Subpartitions for Heterogeneity-aware Domain Adaptive Nuclei Segmentation [8.303040737608173]
画像レベルとインスタンスレベルの両方でドメイン不変の特徴表現を取得するために,2段階のアンタングルメントフレームワークを提案する。合成画像における核の過剰発生と変形を防止するために, 二重分岐型核形状と構造保存モジュールを提案する。
論文参考訳（メタデータ） (2024-01-17T01:37:17Z)
Cross-Modal Causal Intervention for Medical Report Generation [107.76649943399168]
放射線医学報告生成(RRG)は, コンピュータ支援診断と薬剤指導に不可欠である。視覚言語的バイアスによる急激な相関により、正確な病変記述の生成は依然として困難である。我々はCrossModal Causal Representation Learning (CMCRL)という2段階のフレームワークを提案する。 IU-XrayとMIMIC-CXRの実験により、我々のCMCRLパイプラインは最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2023-03-16T07:23:55Z)
A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文参考訳（メタデータ） (2022-03-01T17:08:41Z)
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)
Joint Semi-supervised 3D Super-Resolution and Segmentation with Mixed Adversarial Gaussian Domain Adaptation [13.477290490742224]
医用画像の高解像度化は、画像の解像度を向上させることを目的としているが、従来は低解像度データセットの特徴に基づいて訓練されている。本稿では,画像とそのラベルの同時超解像を行う半教師付きマルチタスク生成対向ネットワーク(Gemini-GAN)を提案する。提案手法は, 成人1,331人, 成人205人のトランスナショナル多民族集団に対して広く評価された。
論文参考訳（メタデータ） (2021-07-16T15:42:39Z)
Cross-Modality Brain Tumor Segmentation via Bidirectional Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
論文参考訳（メタデータ） (2021-05-17T10:11:45Z)
Unsupervised Instance Segmentation in Microscopy Images via Panoptic Domain Adaptation and Task Re-weighting [86.33696045574692]
病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
論文参考訳（メタデータ） (2020-05-05T11:08:26Z)

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。