論文の概要: A 3D SAM-Based Progressive Prompting Framework for Multi-Task Segmentation of Radiotherapy-induced Normal Tissue Injuries in Limited-Data Settings

• arxiv url: http://arxiv.org/abs/2604.13367v1
• Date: Wed, 15 Apr 2026 00:22:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.334636
• Title: A 3D SAM-Based Progressive Prompting Framework for Multi-Task Segmentation of Radiotherapy-induced Normal Tissue Injuries in Limited-Data Settings
• Title（参考訳）: 放射線治療による正常組織損傷のマルチタスク・セグメンテーションのための3次元SAMによるプログレッシブ・プロンプト・フレームワーク
• Authors: Caiwen Jiang, Lei Zeng, Wei Liu,
• Abstract要約: 制限データ設定におけるマルチタスクセグメンテーションのための3次元SAMベースのプログレッシブプロセッシングフレームワークを提案する。 局所的予測と境界デライン化を改善するため,小・小病変に対する小目標焦点損失が導入された。 ORN, CE, CRNの実験により, 本手法は各種損傷種別に信頼性の高いセグメンテーション性能を実現し, 最先端の手法より優れることを示した。
• 参考スコア（独自算出の注目度）: 5.511344795553178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radiotherapy-induced normal tissue injury is a clinically important complication, and accurate segmentation of injury regions from medical images could facilitate disease assessment, treatment planning, and longitudinal monitoring. However, automatic segmentation of these lesions remains largely unexplored because of limited voxel-level annotations and substantial heterogeneity across injury types, lesion size, and imaging modality. To address this gap, we curate a dedicated head-and-neck radiotherapy-induced normal tissue injury dataset covering three manifestations: osteoradionecrosis (ORN), cerebral edema (CE), and cerebral radiation necrosis (CRN). We further propose a 3D SAM-based progressive prompting framework for multi-task segmentation in limited-data settings. The framework progressively incorporates three complementary prompts: text prompts for task-aware adaptation, dose-guided box prompts for coarse localization, and click prompts for iterative refinement. A small-target focus loss is introduced to improve local prediction and boundary delineation for small and sparse lesions. Experiments on ORN, CE, and CRN demonstrate that the proposed method achieves reliable segmentation performance across diverse injury types and outperforms state-of-the-art methods.
• Abstract（参考訳）: 放射線治療によって引き起こされる正常な組織障害は臨床的に重要な合併症であり、医療画像からの損傷領域の正確なセグメンテーションは、疾患の評価、治療計画、縦断的なモニタリングを促進する可能性がある。 しかし、これらの病変の自動分節は、限られたボクセルレベルのアノテーションと損傷タイプ、病変の大きさ、画像のモダリティにより、ほとんど未発見のままである。 このギャップに対処するため, 頭頸部放射線治療により誘発される正常組織障害データセット(ORN), 脳浮腫(CE), 脳放射線壊死(CRN)の3つの症状を収録した。 さらに,制限データ設定におけるマルチタスクセグメンテーションのための3次元SAMベースのプログレッシブプロセッシングフレームワークを提案する。 このフレームワークは、タスク認識適応のためのテキストプロンプト、粗いローカライゼーションのための線量誘導ボックスプロンプト、反復的洗練のためのクリックプロンプトの3つの補完プロンプトを段階的に組み込んでいる。 局所的予測と境界デライン化を改善するため,小・小病変に対する小目標焦点損失が導入された。 ORN, CE, CRNの実験により, 本手法は各種損傷種別に信頼性の高いセグメンテーション性能を実現し, 最先端の手法より優れることを示した。

関連論文リスト

• Implicit Shape-Prior for Few-Shot Assisted 3D Segmentation [1.1325026208770568]
  本稿では,スパーススライスマニュアルアノテーションから多臓器に一般化したセグメントボリュームの前に暗黙の形状を導入するとともに,最も情報性の高いスライスを自動的に選択し,次のインタラクションをガイドし,最小化するためのシンプルなフレームワークを提案する。 実験では、脳がん患者に対するリスク臓器の文脈におけるセグメンテーションの補助的セグメンテーションと、サルコニア患者に対する目に見えない筋肉の形状を持つ新しいデータベースの作成が促進された。
  論文  参考訳（メタデータ） (2025-09-10T13:30:39Z)
• Multi-Sequence Parotid Gland Lesion Segmentation via Expert Text-Guided Segment Anything Model [10.892625199593644]
  耳下腺セグメントモデル(PG-SAM)は、耳下腺病変セグメント化の専門知識を取り入れている。 PG-SAMは、3つの独立した臨床センターにまたがる耳下腺病変の分節における最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-08-13T09:25:29Z)
• ProstaTD: Bridging Surgical Triplet from Classification to Fully Supervised Detection [54.270188252068145]
  ProstaTDは、ロボット補助前立腺切除術の技術的要求領域から開発された、外科的三重項検出のための大規模なデータセットである。 このデータセットは、71,775の動画フレームと196,490の注釈付きトリプルトインスタンスで構成され、複数の機関で実施された21の手術から収集された。 ProstaTDは、これまでで最大かつ最も多様な3重項データセットであり、単純な分類から正確な空間的境界と時間的境界を持つ完全な検出へとフィールドを移動している。
  論文  参考訳（メタデータ） (2025-06-01T19:29:39Z)
• Mask-Enhanced Segment Anything Model for Tumor Lesion Semantic Segmentation [48.107348956719775]
  Mask-Enhanced SAM (M-SAM) は, 腫瘍の3次元セグメント化に適した革新的なアーキテクチャである。 本稿では,M-SAM内におけるMask-Enhanced Adapter (MEA) を提案する。 我々のM-SAMは高いセグメンテーション精度を達成し、またロバストな一般化を示す。
  論文  参考訳（メタデータ） (2024-03-09T13:37:02Z)
• Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels [63.415444378608214]
  提案手法は, 進歩的半教師付き学習, 適応的学習戦略, 境界拡張など, 革新的な手法を取り入れたものである。 3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標を用いて,本手法の優位性を示す。
  論文  参考訳（メタデータ） (2023-08-07T14:16:52Z)
• 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 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)
• External Attention Assisted Multi-Phase Splenic Vascular Injury Segmentation with Limited Data [72.99534552950138]
  脾臓は腹部外傷において最も多く損傷を受けた固形臓器の1つである。 脾臓血管損傷の 正確な分節化は 以下の理由から 困難です
  論文  参考訳（メタデータ） (2022-01-04T02:35:56Z)
• Detecting Scatteredly-Distributed, Small, andCritically Important Objects in 3D OncologyImaging via Decision Stratification [23.075722503902714]
  本研究は腫瘍学的に重要なリンパ節(または不審な癌転移)の検出と分節に焦点を当てた。 我々はOSLNを腫瘍近位・腫瘍遠位分類に分割する分断型決定階層化手法を提案する。 局所的な3D画像パッチから得られた特徴と高次病変特性を組み合わせた新しいグローバルローカルネットワーク(GLNet)を提案する。
  論文  参考訳（メタデータ） (2020-05-27T23:12:11Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。