論文の概要: DALight-3D: A Lightweight 3D U-Net for Brain Tumor Segmentation from Multi-Modal MRI

• arxiv url: http://arxiv.org/abs/2605.04518v1
• Date: Wed, 06 May 2026 05:54:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.661644
• Title: DALight-3D: A Lightweight 3D U-Net for Brain Tumor Segmentation from Multi-Modal MRI
• Title（参考訳）: DALight-3D:多モードMRIによる脳腫瘍分離のための軽量3D U-Net
• Abstract要約: DALight-3Dは、奥行き分離可能な3D畳み込み、識別子条件付き正規化、クロススライスアテンション、適応スキップ融合を組み合わせたコンパクトな3D U-Netである。 その結果、DALight-3Dは、現在のベンチマーク設定内で、良好な精度と効率のトレードオフ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）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Automatic brain tumor segmentation from multi-modal MRI remains challenging because volumetric models often incur substantial computational cost. This paper presents DALight-3D, a compact 3D U-Net variant that combines depthwise separable 3D convolutions, identifier-conditioned normalization, cross-slice attention, and adaptive skip fusion. The method is evaluated on the Medical Segmentation Decathlon Task01 BrainTumour benchmark under matched optimization settings against standard 3D U-Net, Attention U-Net, Residual 3D U-Net, and V-Net baselines. In the reported 50-epoch comparison, DALight-3D achieves a mean Dice of 0.727 with 2.22M parameters, compared with 0.710 Dice and 3.20M parameters for Residual 3D U-Net. Component-wise ablations show consistent performance degradation when SepConv, identifier-conditioned normalization, CSA, or SSFB is removed. These results indicate that DALight-3D offers a favorable accuracy-efficiency trade-off within the present benchmark setting.
• Abstract（参考訳）: 容積モデルがかなりの計算コストを伴う場合が多いため, マルチモーダルMRIによる自動脳腫瘍郭清はいまだに困難である。 本稿では, DALight-3Dについて述べる。DALight-3Dは, 奥行き分離可能な3次元畳み込み, 識別子条件付き正規化, クロススライスアテンション, 適応スキップ融合を組み合わせたコンパクトな3次元U-Netバリアントである。 本手法は, 標準3D U-Net, Attention U-Net, Residual 3D U-Net, V-Netベースラインに対して, 一致した最適化設定の下で, メディカルセグメンテーションのDeathlon Task01 BrainTumourベンチマークを用いて評価した。 報告された50年代比較では、DALight-3Dは平均Diceが0.727、パラメータが2.22M、Residual 3D U-Netが0.710Dice、パラメータが3.20Mとなる。 SepConvでは、識別子条件付き正規化、CSA、SSFBが削除される。 これらの結果は,DALight-3Dが現在のベンチマーク設定内で良好な精度・効率のトレードオフを提供することを示している。

関連論文リスト

• DAMamba-UNet3D: A Parameter-Efficient Mamba State Space U-Net with Dynamic Adaptive Scan for 3D Medical Image Segmentation [1.9414157088543738]
  DAMamba-UNet3Dは、エンコーダステージE2-E4で3次元DASブロックを統合するハイブリッドエンコーダデコーダである。 BraTS 2020の5倍のクロスバリデーションでは、DAMamba-UNet3DはDice 0.815 +/-0.013をSegMambaよりも13倍低いパラメータで達成している。
  論文  参考訳（メタデータ） (2026-07-21T16:42:48Z)
• D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
  欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。 提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
  論文  参考訳（メタデータ） (2026-05-21T09:55:42Z)
• Comparative Analysis of 3D Convolutional and 2.5D Slice-Conditioned U-Net Architectures for MRI Super-Resolution via Elucidated Diffusion Models [0.0]
  脳MRI SRのためのEDM(Elucidated diffusion model)フレームワークについて検討した。 2つのU-Netバックボーンアーキテクチャを比較する: 3次元畳み込みとマルチヘッド自己アテンションを備えたボリュームパッチを処理するフル3次元畳み込みU-Netと、隣り合うスライスに条件付けしながら各スライスを独立して解決する2.5Dスライス条件付きU-Netである。
  論文  参考訳（メタデータ） (2026-03-15T23:48:29Z)
• RefineFormer3D: Efficient 3D Medical Image Segmentation via Adaptive Multi-Scale Transformer with Cross Attention Fusion [6.372261626436676]
  RefineFormer3Dは、医用画像のセグメンテーション精度と計算効率のバランスをとる軽量階層型トランスフォーマーアーキテクチャである。 このモデルは、メモリ要求の少ない高速な推論(8.35ms/GPU)を実現し、リソース制約のある臨床環境へのデプロイをサポートする。
  論文  参考訳（メタデータ） (2026-02-18T09:58:59Z)
• LeAD-M3D: Leveraging Asymmetric Distillation for Real-time Monocular 3D Detection [72.97402509843484]
  LeAD-M3Dは最先端のモノクル3D検出器であり、余分なモダリティを伴わずに最先端の精度とリアルタイムの推論を実現する。 非対称増強脱ノイズ蒸留(A2D2)は、幾何学的知識をクリーンイメージの教師からミックスアップノイズの学生に伝達する。 3D-Aware Consistent Matching (CM3D) は、予測と地上の真理の割り当てを改善する。 CGI3D(Confidence-Gated 3D Inference)は、高額な3Dレグレッションをトップ信頼領域に制限することで、検出を加速する。
  論文  参考訳（メタデータ） (2025-12-05T12:08:18Z)
• Parameter-Efficient Fine-Tuning of 3D DDPM for MRI Image Generation Using Tensor Networks [23.30947697113457]
  3次元U-Netを用いた拡散確率モデル(DDPM)におけるパラメータ効率細調整(PEFT)の課題に対処する。 本研究では,3次元畳み込みバックボーンを有するDDPMを微調整するための新しいPEFT手法であるTenVOOを提案する。 この結果から, マルチスケール類似度指標(MS-SSIM)において, TenVOO が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-07-24T05:51:51Z)
• TriCLIP-3D: A Unified Parameter-Efficient Framework for Tri-Modal 3D Visual Grounding based on CLIP [52.79100775328595]
  3Dビジュアルグラウンドティングは、人間の指示に基づいて現実世界の3D環境における視覚情報を理解するための具体的エージェントである。 既存の3Dビジュアルグラウンド法は、異なるモダリティの異なるエンコーダに依存している。 本稿では,3つのモードすべてを処理するために,統合された2次元事前学習型マルチモーダルネットワークを提案する。
  論文  参考訳（メタデータ） (2025-07-20T10:28:06Z)
• DCFormer: Efficient 3D Vision-Language Modeling with Decomposed Convolutions [6.464464511743737]
  我々は,3次元畳み込みを深さ,高さ,幅の3つの平行1次元畳み込みに分解する,効率的な3次元画像エンコーダDCFormerを紹介する。 ゼロショットと微調整による18の病理診断では、DCFormerは最先端の3Dビジョンエンコーダよりも一貫して優れている。
  論文  参考訳（メタデータ） (2025-02-07T17:10:22Z)
• Efficient Slice Anomaly Detection Network for 3D Brain MRI Volume [2.3633885460047765]
  現在の異常検出法は, 基準産業データより優れているが, 「正常」 と「異常」の定義の相違により, 医療データに苦慮している。 我々は,ImageNet上で事前学習し,MRIデータセットを2次元スライス特徴抽出器として微調整したモデルを用いたSimple Slice-based Network (SimpleSliceNet) というフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-28T17:20:56Z)
• Homography Loss for Monocular 3D Object Detection [54.04870007473932]
  ホログラフィーロス(Homography Loss)と呼ばれる,2次元情報と3次元情報の両方を利用する識別可能なロス関数を提案する。 提案手法は,KITTI 3Dデータセットにおいて,他の最先端技術と比較して高い性能を示す。
  論文  参考訳（メタデータ） (2022-04-02T03:48:03Z)
• Asymmetric 3D Context Fusion for Universal Lesion Detection [55.61873234187917]
  3Dネットワークは、3Dコンテキストでは強いが、教師付き事前トレーニングがない。 既存の3Dコンテキスト融合演算子は空間対称に設計されており、畳み込みのように各2Dスライス上で同一の操作を行う。 本研究では, 異なる重みを持つ非対称な3次元コンテキスト融合演算子 (A3D) を提案し, 異なる2次元スライスから3次元コンテキストを融合させる。
  論文  参考訳（メタデータ） (2021-09-17T16:25:10Z)
• 3-Dimensional Deep Learning with Spatial Erasing for Unsupervised Anomaly Segmentation in Brain MRI [55.97060983868787]
  我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。 本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。 入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
  論文  参考訳（メタデータ） (2021-09-14T09:17:27Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。