Fugu-MT 論文翻訳(概要): Few-Shot Fingerprinting Subject Re-Identification in 3D-MRI and 2D-X-Ray

論文の概要: Few-Shot Fingerprinting Subject Re-Identification in 3D-MRI and 2D-X-Ray

arxiv url: http://arxiv.org/abs/2512.16685v1
Date: Thu, 18 Dec 2025 15:50:54 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-19 18:10:32.137027
Title: Few-Shot Fingerprinting Subject Re-Identification in 3D-MRI and 2D-X-Ray
Title（参考訳）: 3D-MRIと2D-X線におけるFew-Shot Fingerprintingの対象再同定
Authors: Gonçalo Gaspar Alves, Shekoufeh Gorgi Zadeh, Andreas Husch, Ben Bausch,
Abstract要約: 我々は、被写体のすべての画像を、被写体が類似性マッチングによって再識別できるようにするために、潜在空間内の別の領域にマッピングする。トリプレット・マージン・ロスを訓練したResNet-50を用いて,標準(20-way 1-shot)と課題(1000-way 1-shot)の両シナリオにおいて,3D MRIと2D X線データに対する数ショットのフィンガープリントを評価した。
参考スコア（独自算出の注目度）: 0.6999740786886535
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Combining open-source datasets can introduce data leakage if the same subject appears in multiple sets, leading to inflated model performance. To address this, we explore subject fingerprinting, mapping all images of a subject to a distinct region in latent space, to enable subject re-identification via similarity matching. Using a ResNet-50 trained with triplet margin loss, we evaluate few-shot fingerprinting on 3D MRI and 2D X-ray data in both standard (20-way 1-shot) and challenging (1000-way 1-shot) scenarios. The model achieves high Mean- Recall-@-K scores: 99.10% (20-way 1-shot) and 90.06% (500-way 5-shot) on ChestXray-14; 99.20% (20-way 1-shot) and 98.86% (100-way 3-shot) on BraTS- 2021.
Abstract（参考訳）: オープンソースデータセットを組み合わせることで、同じ主題が複数のセットに現れると、データリークが発生し、モデルのパフォーマンスが膨らみます。そこで本研究では,被写体画像の同一領域へのマッピングと類似性マッチングによる被写体再識別の実現について検討する。トリプレット・マージン・ロスを訓練したResNet-50を用いて,標準(20-way 1-shot)と課題(1000-way 1-shot)の両方のシナリオにおいて,3D MRIと2D X線データに対する数ショットのフィンガープリントを評価した。 99.10%(20ウェイ1ショット)、90.06%(500ウェイ5ショット)、99.20%(20ウェイ1ショット)、98.86%(100ウェイ3ショット)である。

関連論文リスト

3D Path Planning for Robot-assisted Vertebroplasty from Arbitrary Bi-plane X-ray via Differentiable Rendering [10.03537569638041]
2次元平面X線を用いた3次元経管路計画のための微分可能なレンダリングベースフレームワークを提案する。本手法は, 統計的形状モデルを用いて生成した椎体アトラスと微分可能レンダリングを統合した。本フレームワークは, ロボット支援椎体形成のための多機能CTフリー3Dパス計画を支援する。
論文参考訳（メタデータ） (2025-12-05T15:26:13Z)
MRI Plane Orientation Detection using a Context-Aware 2.5D Model [1.526156659531584]
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。
論文参考訳（メタデータ） (2025-11-18T01:00:57Z)
Bridging the Gap Between Ideal and Real-world Evaluation: Benchmarking AI-Generated Image Detection in Challenging Scenarios [54.07895223545793]
本稿では,実世界ロバストネスデータセット(RRDataset)を導入し,3次元にわたる検出モデルの包括的評価を行う。 RRDatasetには7つの主要なシナリオの高品質なイメージが含まれている。我々はRRDataset上で17の検出器と10の視覚言語モデル(VLM)をベンチマークし、大規模な人間実験を行った。
論文参考訳（メタデータ） (2025-09-11T06:15:52Z)
Veriserum: A dual-plane fluoroscopic dataset with knee implant phantoms for deep learning in medical imaging [0.09320657506524148]
Veriserumは、デュアルプレーン蛍光分析のためのディープラーニング登録のトレーニングを支援するために設計されたオープンソースのデータセットである。約110,000枚のX線画像と、約1600回の臨床試験で撮影された10個の膝インプラントの組み合わせで構成されている。
論文参考訳（メタデータ） (2025-09-05T20:15:43Z)
3D-MoRe: Unified Modal-Contextual Reasoning for Embodied Question Answering [66.88437915655827]
3D-MoReは、基礎モデルの強みを活用して、大規模な3D言語データセットを生成するように設計されている。このフレームワークは、マルチモーダル埋め込み、クロスモーダルインタラクション、言語モデルデコーダなど、主要なコンポーネントを統合している。 ScanNetの3DシーンデータセットとScanQAとScanReferのテキストアノテーションを使用して、3D-MoReは62,000の質問応答ペアと73,000のオブジェクト記述を生成する。
論文参考訳（メタデータ） (2025-07-16T08:38:26Z)
PanoDiff-SR: Synthesizing Dental Panoramic Radiographs using Diffusion and Super-resolution [60.970656010712275]
PanoDiff と Super-Resolution (SR) を組み合わせて合成歯科用パノラマ線写真(PR)を作製する手法を提案する。前者は、SRモデルで処理されたPRの低分解能(LR)シードを生成し、1024×512の高分解能(HR)PRを生成する。 SRでは,局所的・言語的関係を学習し,よりシャープなエッジやテクスチャをもたらす最先端のトランスフォーマーを提案する。
論文参考訳（メタデータ） (2025-07-12T09:52:10Z)
LaRI: Layered Ray Intersections for Single-view 3D Geometric Reasoning [75.9814389360821]
層状光線交差(LaRI)は、1つの画像から未知の幾何学的推論を行う新しい方法である。コンパクトで階層的な表現から恩恵を受けることで、LaRIは完全で効率的でビュー整合な幾何学的推論を可能にする。 3Dオブジェクトやシーンを含む、合成および実世界のデータのための完全なトレーニングデータ生成パイプラインを構築します。
論文参考訳（メタデータ） (2025-04-25T15:31:29Z)
BOP Challenge 2024 on Model-Based and Model-Free 6D Object Pose Estimation [55.13521733366838]
一連のパブリックコンペティションの第6回は、6Dオブジェクトでアートの状態をキャプチャするために組織された。 2024年、我々は3Dオブジェクトモデルが利用できず、提供された参照ビデオからのみオブジェクトをオンボードする必要がある新しいモデルフリータスクを導入した。我々は、テスト画像で見える物体の同一性が入力として提供されない、より実用的な6Dオブジェクト検出タスクを定義した。
論文参考訳（メタデータ） (2025-04-03T17:55:19Z)
Implicit-Zoo: A Large-Scale Dataset of Neural Implicit Functions for 2D Images and 3D Scenes [65.22070581594426]
Implicit-Zoo"は、この分野の研究と開発を容易にするために、数千のGPUトレーニング日を必要とする大規模なデータセットである。 1)トランスモデルのトークン位置を学習すること、(2)NeRFモデルに関して直接3Dカメラが2D画像のポーズを取ること、である。これにより、画像分類、セマンティックセグメンテーション、および3次元ポーズ回帰の3つのタスクすべてのパフォーマンスが向上し、研究のための新たな道が開けることになる。
論文参考訳（メタデータ） (2024-06-25T10:20:44Z)
Latent Fingerprint Recognition: Fusion of Local and Global Embeddings [30.40684369054112]
我々は,グローバルな埋め込みと局所的な埋め込みを組み合わせることで,マッチング精度を高いスループットでロールする。本研究は,複数の転がり,平らな,接触のない指紋データセットの認証精度を向上させるために,融合表現の一般化可能性を示す。
論文参考訳（メタデータ） (2023-04-26T19:42:57Z)
Self-Supervised 2D/3D Registration for X-Ray to CT Image Fusion [10.040271638205382]
シミュレーショントレーニングと教師なし特徴と画素空間領域適応を組み合わせた自己教師付き2D/3D登録フレームワークを提案する。本フレームワークは, 実X線画像における90.1%の成功率で, 1.83$pm$1.16 mmの登録精度を達成している。
論文参考訳（メタデータ） (2022-10-14T08:06:57Z)

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。