論文の概要: DINOv3 with Test-Time Calibration for Automated Carotid Intima-Media Thickness Measurement on CUBS v1
- arxiv url: http://arxiv.org/abs/2603.13382v1
- Date: Wed, 11 Mar 2026 03:33:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 16:19:35.145584
- Title: DINOv3 with Test-Time Calibration for Automated Carotid Intima-Media Thickness Measurement on CUBS v1
- Title（参考訳）: CUBS v1におけるDINOv3とテスト時間校正による頸動脈内皮メディアの厚さ測定
- Authors: Zhenpeng Zhang, Jinwei Lu, Yurui Dong, Bo Yuan,
- Abstract要約: DINOv3をベースとした頸動脈内膜-中膜複合体の分断とその後のCIMT測定のためのフレームワークを開発した。
以上の結果から,DINOv3をベースとしたアプローチは,臨床的に関係のある$sim$0.1 mmに設定できる。
そこで本研究では,視覚基盤モデルを用いたCIMT測定の可能性について検討した。
- 参考スコア（独自算出の注目度）: 5.343632486602401
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Carotid intima-media thickness (CIMT) measured from B-mode ultrasound is an established vascular biomarker for atherosclerosis and cardiovascular risk stratification. Although a wide range of computerized methods have been proposed for carotid boundary delineation and CIMT estimation, robust and transferable deep models that jointly address segmentation and measurement remain underexplored, particularly in the era of vision foundation models. Motivated by recent advances in adapting DINOv3 to medical segmentation and exploiting DINOv3 in test-time optimization pipelines, we investigate a DINOv3-based framework for carotid intima-media complex segmentation and subsequent CIMT measurement on the Carotid Ultrasound Boundary Study (CUBS) v1 dataset. Our pipeline predicts the intima-media band at a fixed image resolution, extracts upper and lower boundaries column-wise, corrects for image resizing using the per-image calibration factor provided by CUBS, and reports CIMT in physical units. Across three patient-level test splits, our method achieved a mean test Dice of 0.7739 $\pm$ 0.0037 and IoU of 0.6384 $\pm$ 0.0044. The mean CIMT absolute error was 181.16 $\pm$ 11.57 $μ$m, with a mean Pearson correlation of 0.480 $\pm$ 0.259. In a held-out validation subset ($n=28$), test-time threshold calibration reduced the mean absolute CIMT error from 141.0 $μ$m at the default threshold to 101.1 $μ$m at the measurement-optimized threshold, while simultaneously reducing systematic bias toward zero. Relative to the error ranges reported in the original CUBS benchmark for classical computerized methods, these results place a DINOv3-based approach within the clinically relevant $\sim$0.1 mm measurement regime. Together, our findings support the feasibility of using vision foundation models for interpretable, calibration-aware CIMT measurement.
- Abstract（参考訳）: Bモード超音波から測定した頸動脈 intima-media thickness (CIMT) は動脈硬化と心血管危険層形成のための確立されたバイオマーカーである。
頸動脈境界線とCIMT推定のための幅広い計算機化手法が提案されているが、特に視覚基盤モデルにおいて、セグメンテーションと測定を共同で扱う頑健で伝達可能な深部モデルはまだ探索されていない。
近年,DINOv3を医用セグメンテーションに適応させ,DINOv3をテスト時間最適化パイプラインに活用する動きに触発されて,DINOv3をベースとした頸動脈 intima-media complex segmentation のフレームワークと,それに続くCUBS v1データセットのCIMT測定を行った。
パイプラインは、固定画像解像度でintima-mediaバンドを予測し、上と下の境界をカラム単位で抽出し、CUBSが提供する画像ごとのキャリブレーション係数を用いて画像リサイズを補正し、物理単位におけるCIMTを報告する。
3つの患者レベルテストスプリットで平均テストDiceは0.7739$\pm$00037、IoUは0.6384$\pm$00044を得た。
CIMTの絶対誤差の平均は181.16 $\pm$ 11.57 $μ$mであり、ピアソンの相関は0.480 $\pm$ 0.259である。
ホールドアウト検証サブセット($n=28$)では、テスト時間しきい値のキャリブレーションにより、デフォルトしきい値の141.0$μ$mから測定最適化しきい値の101.1$μ$mまで平均絶対的なCIMT誤差を低減し、同時にゼロに対する体系的バイアスを低減した。
従来のCUBSベンチマークで報告された誤差範囲とは対照的に、これらの結果はDINOv3ベースのアプローチを臨床的に関係のある$\sim$0.1 mm測定システム内に配置する。
そこで本研究では,視覚基盤モデルを用いたCIMT測定の可能性について検討した。
関連論文リスト
- Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - TopoGate: Quality-Aware Topology-Stabilized Gated Fusion for Longitudinal Low-Dose CT New-Lesion Prediction [0.0]
本稿では、フォローアップの外観ビューとサブトラクションビューを組み合わせた軽量モデルであるTopoGateを提案する。
ゲートは、CTの外観品質、登録整合性、およびトポロジカルメトリクスで測定された解剖学的トポロジの安定性の3つのケース固有信号によって駆動される。
論文 参考訳（メタデータ） (2026-02-19T21:41:00Z) - PUNCH: Physics-informed Uncertainty-aware Network for Coronary Hemodynamics [8.812266680285369]
標準血管造影から冠血流量を直接推定するための非診断・不確実性認識フレームワークを提案する。
このシステムは、コントラスト輸送の第一原理モデルから冠血流を推定するために、物理インフォームドニューラルネットワークと変分推論を統合している。
パイプラインは、患者1人あたり約3分で、1つのGPU上で動作し、人口レベルのトレーニングは行わない。
論文 参考訳（メタデータ） (2026-01-23T21:47:23Z) - Conformal Lesion Segmentation for 3D Medical Images [82.92159832699583]
本稿では,データ駆動しきい値の校正をコンフォーマル化することで,テスト時間FNRが目標許容値以下であることを保証する,リスク制約付きフレームワークを提案する。
5つのバックボーンモデルにまたがる6つの3D-LSデータセット上でのCLSの統計的健全性と予測性能を検証し,臨床実践におけるリスク認識セグメンテーションの展開に関する実用的な知見を得た。
論文 参考訳（メタデータ） (2025-10-19T08:21:00Z) - Deep learning motion correction of quantitative stress perfusion cardiovascular magnetic resonance [0.9195911076768547]
教師なし深層学習に基づく動き補正パイプラインを開発した。
3つのステップで動きを補正し、強靭な主成分分析を用いてコントラスト関連の効果を減少させる。
評価は時間的アライメントと定量灌流値を用いて行った。
論文 参考訳（メタデータ） (2025-10-01T09:59:48Z) - Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。
しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。
本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。
本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
論文 参考訳（メタデータ） (2025-02-10T13:33:12Z) - Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。
UIA検出では偽陽性率は0.21で感度は0.80であった。
論文 参考訳（メタデータ） (2023-08-06T03:28:08Z) - A Deep Learning-Based Fully Automated Pipeline for Regurgitant Mitral Valve Anatomy Analysis From 3D Echocardiography [0.3387808070669509]
開発したアプローチは、MVアンラスとリーフレットのマルチクラスセグメンテーションのためのU-Netアーキテクチャを備えた3次元マルチデコーダ残差畳み込みニューラルネットワーク(CNN)に依存している。
プロセス全体は最小限のユーザインタラクションを必要とし、約15秒を要する。
論文 参考訳（メタデータ） (2023-02-21T12:48:44Z) - StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact
Context-encoding Variational Autoencoder [48.2010192865749]
教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。
本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。
提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
論文 参考訳（メタデータ） (2022-01-31T14:27:35Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳（メタデータ） (2021-11-25T10:11:41Z)
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。