論文の概要: HD-TTA: Hypothesis-Driven Test-Time Adaptation for Safer Brain Tumor Segmentation

• arxiv url: http://arxiv.org/abs/2602.19454v1
• Date: Mon, 23 Feb 2026 02:53:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.653944
• Title: HD-TTA: Hypothesis-Driven Test-Time Adaptation for Safer Brain Tumor Segmentation
• Title（参考訳）: HD-TTA: 仮説駆動型脳腫瘍分離のためのテスト時間適応
• Authors: Kartik Jhawar, Lipo Wang,
• Abstract要約: テスト時間適応メソッドは、推論を盲目的最適化タスクとして扱い、一般的な目的をテストサンプルに適用する。 本稿では,動的決定プロセスとして適応を再構築する新しいフレームワークである仮説駆動型TTAを提案する。 我々は、この概念実証を、クロスドメインのバイナリ脳腫瘍セグメンテーションタスクで検証する。
• 参考スコア（独自算出の注目度）: 2.6652065637846074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standard Test-Time Adaptation (TTA) methods typically treat inference as a blind optimization task, applying generic objectives to all or filtered test samples. In safety-critical medical segmentation, this lack of selectivity often causes the tumor mask to spill into healthy brain tissue or degrades predictions that were already correct. We propose Hypothesis-Driven TTA, a novel framework that reformulates adaptation as a dynamic decision process. Rather than forcing a single optimization trajectory, our method generates intuitive competing geometric hypotheses: compaction (is the prediction noisy? trim artifacts) versus inflation (is the valid tumor under-segmented? safely inflate to recover). It then employs a representation-guided selector to autonomously identify the safest outcome based on intrinsic texture consistency. Additionally, a pre-screening Gatekeeper prevents negative transfer by skipping adaptation on confident cases. We validate this proof-of-concept on a cross-domain binary brain tumor segmentation task, applying a source model trained on adult BraTS gliomas to unseen pediatric and more challenging meningioma target domains. HD-TTA improves safety-oriented outcomes (Hausdorff Distance (HD95) and Precision) over several state-of-the-art representative baselines in the challenging safety regime, reducing the HD95 by approximately 6.4 mm and improving Precision by over 4%, while maintaining comparable Dice scores. These results demonstrate that resolving the safety-adaptation trade-off via explicit hypothesis selection is a viable, robust path for safe clinical model deployment. Code will be made publicly available upon acceptance.
• Abstract（参考訳）: TTA(Standard Test-Time Adaptation)メソッドは通常、推論を盲目的最適化タスクとして扱う。 安全クリティカルな医療分野において、この選択性の欠如は、しばしば腫瘍マスクが正常な脳組織に流出したり、既に正しい予測を低下させたりする。 本稿では,動的決定プロセスとして適応を再構築する新しいフレームワークである仮説駆動型TTAを提案する。 一つの最適化軌道を強制するのではなく、我々の手法は直感的に競合する幾何的仮説を生成する:コンパクト化(予測ノイズはトリムアーティファクトか?)とインフレーション(有効腫瘍はアンダーセグメンテーションか? 次に、表現誘導セレクタを使用して、本質的なテクスチャの整合性に基づいて、最も安全な結果を自動的に識別する。 さらに、前スクリーニングのゲートキーパーは、確実なケースへの適応をスキップすることで、負の転送を防止する。 成人のBraTSグリオーマで訓練されたソースモデルを小児およびより困難な髄膜腫ターゲットドメインに応用し、この概念実証をクロスドメインの2次脳腫瘍セグメンテーションタスクで検証した。 HD-TTAは、挑戦的な安全体制におけるいくつかの最先端の代表的ベースラインに対する安全性指向の結果(Hausdorff Distance (HD95) とPrecision)を改善し、HD95を約6.4mm削減し、Precisionを4%以上改善し、Diceのスコアを同等に維持する。 これらの結果から, 明確な仮説選択による安全適応トレードオフの解消は, 安全な臨床モデル展開のための有効な, 堅牢な経路であることが示唆された。 コードは受理時に公開される。

関連論文リスト

• An Intrinsically Explainable Approach to Detecting Vertebral Compression Fractures in CT Scans via Neurosymbolic Modeling [9.108675519106319]
  脊椎圧迫骨折(VCFs)は骨粗しょう症の一般的な原因であり、潜在的に重篤な結果である。 機会論的診断のような高度なシナリオでは、モデル解釈可能性がAIレコメンデーションの採用の鍵となる。 我々はCTボリュームにおけるVCF検出のためのニューロシンボリックアプローチを導入する。
  論文  参考訳（メタデータ） (2024-12-23T04:01:44Z)
• Selective Test-Time Adaptation for Unsupervised Anomaly Detection using Neural Implicit Representations [3.3834108313265916]
  テスト時間適応は、目に見えないドメインに対するディープラーニングモデルを最適化するための有望なアプローチを提供する。 本稿では, 事前学習した深部特徴の特徴を生かした, 選択的テスト時間適応の概念を提案する。 我々の戦略は、複数の条件と異なる目標分布に対する検出精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-10-04T10:43:34Z)
• An Uncertainty-guided Tiered Self-training Framework for Active Source-free Domain Adaptation in Prostate Segmentation [10.061310311839856]
  Source-free Domain Adaptation (SFDA)は、プライバシとセキュリティ上の問題に対処するために、深いセグメンテーションモデルを適用するための有望なテクニックである。 安定したドメイン適応を実現するための新しい不確実性誘導型自己学習(UGTST)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-03T08:13:16Z)
• Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [65.21599711087538]
  テスト時間適応(TTA)は、与えられたモデルw.r.t.を任意のテストサンプルに適用することにより、トレーニングデータとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 事前の手法は各テストサンプルに対してバックプロパゲーションを実行するため、多くのアプリケーションに対して許容できない最適化コストがかかる。 本稿では, 有効サンプル選択基準を策定し, 信頼性および非冗長なサンプルを同定する, 効率的なアンチフォッティングテスト時間適応法を提案する。
  論文  参考訳（メタデータ） (2024-03-18T05:49:45Z)
• Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
  高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。 本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
  論文  参考訳（メタデータ） (2023-09-15T22:06:29Z)
• Tune it the Right Way: Unsupervised Validation of Domain Adaptation via Soft Neighborhood Density [125.64297244986552]
  本稿では,点間の類似度分布のエントロピーを計算し,ソフト近傍の密度を測定する教師なし検証基準を提案する。 私たちの基準は、競合する検証方法よりもシンプルですが、より効果的です。
  論文  参考訳（メタデータ） (2021-08-24T17:41:45Z)

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。