論文の概要: Positional Segmentor-Guided Counterfactual Fine-Tuning for Spatially Localized Image Synthesis

• arxiv url: http://arxiv.org/abs/2603.21213v1
• Date: Sun, 22 Mar 2026 13:12:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.296964
• Title: Positional Segmentor-Guided Counterfactual Fine-Tuning for Spatially Localized Image Synthesis
• Title（参考訳）: 空間的局所化画像合成のための位置分割器誘導逆ファインタニング
• Authors: Tian Xia, Matthew Sinclair, Andreas Schuh, Fabio De Sousa Ribeiro, Raghav Mehta, Rajat Rasal, Esther Puyol-Antón, Samuel Gerber, Kersten Petersen, Michiel Schaap, Ben Glocker,
• Abstract要約: 本研究では,各構造を地域区分に分割し,地域ごとの独立測定を導出する位置情報セグ-CFTを提案する。 冠動脈造影による冠動脈造影では,Pos-Seg-CFTは領域特異的な現実的な変化を生じ,疾患の進行をモデル化するためのより詳細な空間制御を提供することが示された。
• 参考スコア（独自算出の注目度）: 12.537078681597498
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Counterfactual image generation enables controlled data augmentation, bias mitigation, and disease modeling. However, existing methods guided by external classifiers or regressors are limited to subject-level factors (e.g., age) and fail to produce localized structural changes, often resulting in global artifacts. Pixel-level guidance using segmentation masks has been explored, but requires user-defined counterfactual masks, which are tedious and impractical. Segmentor-guided Counterfactual Fine-Tuning (Seg-CFT) addressed this by using segmentation-derived measurements to supervise structure-specific variables, yet it remains restricted to global interventions. We propose Positional Seg-CFT, which subdivides each structure into regional segments and derives independent measurements per region, enabling spatially localized and anatomically coherent counterfactuals. Experiments on coronary CT angiography show that Pos-Seg-CFT generates realistic, region-specific modifications, providing finer spatial control for modeling disease progression.
• Abstract（参考訳）: 対物画像生成は、制御されたデータ拡張、バイアス緩和、および疾患モデリングを可能にする。 しかし、外部分類器や回帰器によって導かれる既存の手法は、対象レベル(例えば年齢)に制限され、局所的な構造変化を起こさないため、大域的なアーティファクトが生じることが多い。 セグメンテーションマスクを用いた画素レベルのガイダンスが検討されているが,ユーザ定義のデファクトマスクは退屈で実用的ではない。 Segmentor-guided Counterfactual Fine-Tuning (Seg-CFT) は、セグメンテーションによる測定を用いて構造固有の変数を監督するが、それでもグローバルな介入に限定されている。 そこで我々は, 各構造を地域区分に分割し, 地域ごとの独立測定を導出し, 空間的局所化, 解剖学的に整合したカウンターファクトリーを実現するポジショナルセグ-CFTを提案する。 冠動脈造影による冠動脈造影では,Pos-Seg-CFTは領域特異的な現実的な変化を生じ,疾患の進行をモデル化するためのより詳細な空間制御を提供することが示された。

関連論文リスト

• Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
  制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。 In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。 IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
  論文  参考訳（メタデータ） (2026-03-11T06:14:11Z)
• Functional embeddings enable Aggregation of multi-area SEEG recordings over subjects and sessions [0.11083289076967894]
  多領域局所場電位から各電極の主観的機能識別を学習する表現学習フレームワークを提案する。 フレキシブルレスト/ムーブメント記録セッション中に収集した基底神経節-視床領域にまたがる20オブジェクトデータセットを用いて,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2025-10-31T01:23:05Z)
• Segmentor-Guided Counterfactual Fine-Tuning for Locally Coherent and Targeted Image Synthesis [12.537078681597498]
  対物画像生成は、トレーニングデータの拡大、データセットのデバイアス、モデリング疾患のための強力なツールである。 本稿では,Seg-CFT(Seg-CFT)とSeg-CFT(Segmentor-Guided Counterfactual Fine-Tuning)を提案する。 リアルな胸部X線写真を作成する能力を実証し,冠動脈疾患のモデル化に有望な結果を示した。
  論文  参考訳（メタデータ） (2025-09-29T15:19:09Z)
• GLCP: Global-to-Local Connectivity Preservation for Tubular Structure Segmentation [16.961703984508457]
  本稿では,グローバル・ローカル・コネクティビティ保護(GLCP)フレームワークを提案する。 さらに,DAR(Dual-Attention-based Refinement)モジュールを設計し,セグメンテーション品質をさらに向上する。 我々のGLCPは、いくつかの最先端手法と比較して管状構造セグメンテーションの精度と連続性を向上する。
  論文  参考訳（メタデータ） (2025-07-28T20:49:45Z)
• Towards Generalizable Scene Change Detection [4.527270266697462]
  現在最先端のScene Change Detectionアプローチは、目に見えない環境と異なる時間条件下では信頼性が低い。 本稿では,未確認領域の性能と時間的整合性に対処するため,GeSCF(Generalizable Scene Change Detection Framework)を提案する。 GeSCFは、既存のSCDデータセットで平均19.2%、ChangeVPRデータセットで30.0%のパフォーマンス向上を達成した。
  論文  参考訳（メタデータ） (2024-09-10T04:45:25Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• 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-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。