論文の概要: MC-GenRef: Annotation-free mammography microcalcification segmentation with generative posterior refinement
- arxiv url: http://arxiv.org/abs/2604.04470v1
- Date: Mon, 06 Apr 2026 06:41:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:19.12274
- Title: MC-GenRef: Annotation-free mammography microcalcification segmentation with generative posterior refinement
- Title（参考訳）: MC-GenRef: annotation-free mammography microcalcification segmentation with generative rear refinement
- Authors: Hyunwoo Cho, Yeeun Kwon, Min Jung Kim, Yangmo Yoo,
- Abstract要約: MC-GenRefは、高忠実度合成監督とテストタイム生成後処理を組み合わせた、真の高密度なラベルフリーフレームワークである。
Inbreastでは、合成専用初期化器が真の高密度アノテーションなしで最高のDiceを達成し、TT-GPRはリコールとFNRにミスセンシティブな性能を向上した。
これらの結果から, MCミスを低減し, さらなる高密度ラベリングを行なわずにロバスト性を向上させるために, 試験時間生成後改質が実用的な方法であることが示唆された。
- 参考スコア（独自算出の注目度）: 4.847820476403704
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Microcalcification (MC) analysis is clinically important in screening mammography because clustered puncta can be an early sign of malignancy, yet dense MC segmentation remains challenging: targets are extremely small and sparse, dense pixel-level labels are expensive and ambiguous, and cross-site shift often induces texture-driven false positives and missed puncta in dense tissue. We propose MC-GenRef, a real dense-label-free framework that combines high-fidelity synthetic supervision with test-time generative posterior refinement (TT-GPR). During training, real negative mammogram patches are used as backgrounds, and physically plausible MC patterns are injected through a lightweight image formation model with local contrast modulation and blur, yielding exact image-mask pairs without real dense annotation. Using only these synthetic labeled pairs, MC-GenRef trains a base segmentor and a seed-conditioned rectified-flow (RF) generator that serves as a controllable generative prior. During inference, TT-GPR treats segmentation as approximate posterior inference: it derives a sparse seed from the current prediction, forms seed-consistent RF projections, converts them into case-specific surrogate targets through the frozen segmentor, and iteratively refines the logits with overlap-consistent and edge-aware regularization. On INbreast, the synthetic-only initializer achieved the best Dice without real dense annotations, while TT-GPR improved miss-sensitive performance to Recall and FNR, with strong class-balanced behavior (Bal.Acc., G-Mean). On an external private Yonsei cohort ( n=50 ), TT-GPR consistently improved the synthetic-only initializer under cross-site shift, increasing Dice and Recall while reducing FNR. These results suggest that test-time generative posterior refinement is a practical route to reduce MC misses and improve robustness without additional real dense labeling.
- Abstract（参考訳）: 微小石灰化 (MC) 分析は乳房造影検査において臨床的に重要であるが, 塊状菌は悪性の早期徴候であるが, 高密度MCセグメンテーションは依然として困難である。
MC-GenRefは,高忠実度合成管理とテスト時間生成後処理(TT-GPR)を組み合わせた,真の高密度ラベルフリーフレームワークである。
トレーニング中、実際の陰性マンモグラムパッチを背景として、局所的なコントラスト変調とぼかしを持つ軽量な画像形成モデルを通して物理的に可塑性なMCパターンを注入し、真の高密度アノテーションを伴わない正確な画像マスクペアを生成する。
これらの合成ラベル付きペアのみを使用して、MC-GenRefは、制御可能な生成前の制御可能な、ベースセグメンタとシード条件整流(RF)ジェネレータを訓練する。
TT-GPRは、セグメンテーションを、現在の予測からスパースシードを導き、シード一貫性のあるRFプロジェクションを形成し、凍結セグメンターを介してケース特異的なサロゲートターゲットに変換し、重複一貫性とエッジ認識の規則化によってロジットを反復的に洗練する。
Inbreastでは、合成専用イニシャライザが真の高密度アノテーションなしで最高のDiceを達成し、TT-GPRは、強いクラスバランスの振る舞い(Bal.Acc., G-Mean)で、リコールとFNRにミスセンシティブな性能を改善した。
外部の民間Yonsei cohort(n=50 )では、TT-GPRはクロスサイトシフト下での合成専用イニシャライザーを一貫して改善し、FNRを低下させながらDiceとRecallを増大させた。
これらの結果から, MCミスを低減し, さらなる高密度ラベリングを行なわずにロバスト性を向上させるために, 試験時間生成後改質が実用的な方法であることが示唆された。
関連論文リスト
- Zero-shot Low-Field MRI Enhancement via Diffusion-Based Adaptive Contrast Transport [31.03814753569979]
低磁場(LF)磁気共鳴イメージング(MRI)は、診断イメージングへのアクセスを民主化する。
DACTは、ペアの監督なしにHF品質のイメージを復元する新しいゼロショットフレームワークである。
最先端のパフォーマンスを達成し、構造的細部と組織コントラストの整合性を向上する。
論文 参考訳（メタデータ） (2026-03-02T14:27:55Z) - Revisiting Global Token Mixing in Task-Dependent MRI Restoration: Insights from Minimal Gated CNN Baselines [43.505945728449774]
グローバルトークンミキシングはMRIの復元において一般的なモデル設計の選択肢となっている。
グローバルトークンミキシングは,各タスクにおいて,3つの代表的な設定で実際に有用かどうかを問う。
MRIの再生を高速化するために、最小限のアンロールゲート-CNNベースラインは、すでに非常に競争力がある。
制御された低パス劣化により、低周波k空間データがほとんど保存されている超解像の場合、局所ゲートモデルは競争力を維持する。
空間的ヘテロセダスティックノイズを発音する場合には,トークン混合モデルが最も高い総合的な性能が得られる。
論文 参考訳（メタデータ） (2026-03-02T04:57:52Z) - Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。
マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
論文 参考訳（メタデータ） (2025-12-07T14:03:28Z) - Diffusion-Guided Mask-Consistent Paired Mixing for Endoscopic Image Segmentation [57.37991748282666]
本稿では, 試料混合と拡散合成の強度を融合した拡散誘導型パラダイムを提案する。
各実画像について、合成対を同じマスクの下で生成し、その対をマスク一貫性ペアドミキシング(MCPMix)の制御可能な入力として使用する。
これは、共有幾何学の下で合成および実際の外観を円滑にブリッジする中間サンプルの連続的な族を生成する。
論文 参考訳（メタデータ） (2025-11-05T06:14:19Z) - Comparative Analysis of Data Augmentation for Clinical ECG Classification with STAR [0.0]
正弦波時間振幅サンプリング(Sinusoidal Time-Amplitude Resampling, STAR)は、連続するRピーク間で厳密に動作するビートワイド増幅である。
STARは実践的なパイプラインのために設計されており、 (i) ピークや間隔を損なうことなくトレーニングの多様性を拡大するモルフォロジー-忠実な変動、 (ii) ソースレジリエンスなトレーニング、 デバイス、サイト、コホート間の安定性をデータセット固有のチューニングなしで改善する、 (iv) ビートレベルの拡張によるレアクラスの学習の改善。
論文 参考訳（メタデータ） (2025-10-15T14:18:03Z) - Joint Holistic and Lesion Controllable Mammogram Synthesis via Gated Conditional Diffusion Model [12.360775476995169]
Gated Conditional Diffusion Model (GCDM)は,マンモグラフィ画像と局所病変を共同で合成する新しいフレームワークである。
GCDMは、合成マンモグラムのリアリズムと多様性を高めながら、小さな病変領域を正確に制御する。
論文 参考訳（メタデータ） (2025-07-25T12:10:45Z) - CLAIM: Clinically-Guided LGE Augmentation for Realistic and Diverse Myocardial Scar Synthesis and Segmentation [3.052913696182197]
CLAIM: textbfClinically-Guided textbfLGE textbfAugmentation for Realtextbfiiyocardial Scar Synthesis and framework。
SMILEモジュールは、臨床で採用されているAHA 17セグメントモデルで拡散ベースのジェネレータを条件に、解剖学的に一貫性があり空間的に多様な傷跡パターンで画像を合成する。
実験結果から, CLAIMは解剖学的に整合性のある傷跡パターンを生成し, ベースラインモデルと比較してDiceと実際の傷跡分布との類似性が高いことがわかった。
論文 参考訳（メタデータ） (2025-06-18T15:21:34Z) - RECIST Weakly Supervised Lesion Segmentation via Label-Space Co-Training [30.938824115941603]
本稿では,リッチなRECISTアノテーションを画素単位の病変セグメンテーションに活用するための弱教師付きフレームワークを提案する。
RECISTアノテーションに基づいて、病変ごとに一対のアンダーセグメンテーションマスクとオーバーセグメンテーションマスクが構築される。
提案フレームワークの優位性を示すために,公開データセット上で実験を行う。
論文 参考訳（メタデータ） (2023-03-01T03:15:31Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z)
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。