論文の概要: MRI Plane Orientation Detection using a Context-Aware 2.5D Model

• arxiv url: http://arxiv.org/abs/2511.14021v1
• Date: Tue, 18 Nov 2025 01:00:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.861685
• Title: MRI Plane Orientation Detection using a Context-Aware 2.5D Model
• Title（参考訳）: 文脈認識2.5Dモデルを用いたMRI平面方位検出
• Authors: SangHyuk Kim, Daniel Haehn, Sumientra Rampersad,
• Abstract要約: 人間は2次元MRIスライスで簡単に解剖学的平面を識別できるが、自動化されたシステムはこのタスクに苦労する。 本研究では,平面配向メタデータを正確に生成する分類器を開発した。 我々は3Dスライスシーケンスと静的2D画像の両方で2.5Dモデルを訓練する。 脳腫瘍検出タスクにおいて生成したメタデータの有用性を検証する。
• 参考スコア（独自算出の注目度）: 1.526156659531584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humans can easily identify anatomical planes (axial, coronal, and sagittal) on a 2D MRI slice, but automated systems struggle with this task. Missing plane orientation metadata can complicate analysis, increase domain shift when merging heterogeneous datasets, and reduce accuracy of diagnostic classifiers. This study develops a classifier that accurately generates plane orientation metadata. We adopt a 2.5D context-aware model that leverages multi-slice information to avoid ambiguity from isolated slices and enable robust feature learning. We train the 2.5D model on both 3D slice sequences and static 2D images. While our 2D reference model achieves 98.74% accuracy, our 2.5D method raises this to 99.49%, reducing errors by 60%, highlighting the importance of 2.5D context. We validate the utility of our generated metadata in a brain tumor detection task. A gated strategy selectively uses metadata-enhanced predictions based on uncertainty scores, boosting accuracy from 97.0% with an image-only model to 98.0%, reducing misdiagnoses by 33.3%. We integrate our plane orientation model into an interactive web application and provide it open-source.
• Abstract（参考訳）: 人間は2次元MRIスライスで解剖学的平面(軸、冠、矢状)を容易に識別できるが、自動化されたシステムはこの課題に苦慮する。 平面配向メタデータの欠如は、解析を複雑にし、異種データセットをマージする際のドメインシフトを増大させ、診断分類器の精度を低下させる。 本研究では,平面配向メタデータを正確に生成する分類器を開発した。 我々は、分離されたスライスからのあいまいさを回避し、堅牢な特徴学習を可能にするために、マルチスライス情報を活用する2.5Dコンテキスト認識モデルを採用する。 我々は3Dスライスシーケンスと静的2D画像の両方で2.5Dモデルを訓練する。 我々の2D参照モデルは98.74%の精度を達成するが、2.5D法では99.49%に上昇し、エラーを60%削減し、2.5Dコンテキストの重要性を強調している。 脳腫瘍検出タスクにおいて生成したメタデータの有用性を検証する。 ゲート戦略は、不確実性スコアに基づいたメタデータ強化予測を選択的に使用し、画像のみのモデルで97.0%から98.0%に精度を上げ、誤診を33.3%削減する。 平面配向モデルをインタラクティブなWebアプリケーションに統合し、それをオープンソースにします。

関連論文リスト

• 3D-TDA - Topological feature extraction from 3D images for Alzheimer's disease classification [0.8500709198102238]
  永続的ホモロジーを用いた新しい特徴抽出法を提案し,脳の構造MRI解析を行った。 このアプローチは、位相的特徴をベッチ関数を通して強力な特徴ベクトルに変換する。 本モデルでは,2進および3進の分類タスクにおいて,最先端のディープラーニングモデルよりも優れる。
  論文  参考訳（メタデータ） (2025-11-11T17:48:28Z)
• 3DViT-GAT: A Unified Atlas-Based 3D Vision Transformer and Graph Learning Framework for Major Depressive Disorder Detection Using Structural MRI Data [0.0]
  大うつ病 (Major depressive disorder, MDD) は、個人の健康と世界的な公衆衛生の両方に悪影響を及ぼす精神疾患である。 本稿では、視覚変換器(ViT)を用いて、sMRIデータから3次元領域埋め込みを抽出し、グラフニューラルネットワーク(GNN)を分類する統合パイプラインを開発する。
  論文  参考訳（メタデータ） (2025-09-15T17:10:39Z)
• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• Geometric Transformation Uncertainty for Improving 3D Fetal Brain Pose Prediction from Freehand 2D Ultrasound Videos [0.8579241568505183]
  2次元胎児脳画像における3次元面の自動位置決めのための不確実性を考慮した深層学習モデルを提案する。 提案手法であるQAERTSは、現状や不確実性に基づくアプローチよりも優れたポーズ推定精度を示す。
  論文  参考訳（メタデータ） (2024-05-21T22:42:08Z)
• Homography Loss for Monocular 3D Object Detection [54.04870007473932]
  ホログラフィーロス(Homography Loss)と呼ばれる,2次元情報と3次元情報の両方を利用する識別可能なロス関数を提案する。 提案手法は,KITTI 3Dデータセットにおいて,他の最先端技術と比較して高い性能を示す。
  論文  参考訳（メタデータ） (2022-04-02T03:48:03Z)
• Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose Estimation [70.32536356351706]
  本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。 ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。 本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T07:14:58Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)

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。