論文の概要: R2AoP: Reliable and Robust Angle of Progression Estimation from Intrapartum Ultrasound

• arxiv url: http://arxiv.org/abs/2605.21099v1
• Date: Wed, 20 May 2026 12:28:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.667418
• Title: R2AoP: Reliable and Robust Angle of Progression Estimation from Intrapartum Ultrasound
• Title（参考訳）: R2AoP:粒子内超音波による進行推定の信頼性とロバストな角度
• Authors: Yuanhan Wang, Yifei Chen, Beining Wu, Mingxuan Liu, Xiaotian Hu, Chunbo Jiang, Yijin Li, Changmiao Wang, Feiwei Qin, Qiyuan Tian,
• Abstract要約: 腹腔内超音波からの進行角(AoP)は,作業進行の客観的評価に重要である。 構造的情報分割と信頼誘導幾何モデリングを統合した信頼性とロバストなAoP推定フレームワークR2AoPを提案する。
• 参考スコア（独自算出の注目度）: 15.710380029138731
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate estimation of the Angle of Progression (AoP) from intrapartum transperineal ultrasound is critical for objective assessment of labor progression, yet remains highly sensitive to imaging noise, boundary ambiguities, and the geometric amplification of local segmentation errors. We propose R2AoP, a reliable and robust AoP estimation framework that integrates structurally informed segmentation and confidence-guided geometric modeling to achieve stable and reproducible measurements. A three-branch local-structure-enhanced backbone improves the delineation of the pubic symphysis (PS) and fetal head (FH), while confidence-weighted contour fitting explicitly suppresses the influence of unreliable boundary points in AoP computation. To further improve performance under heterogeneous acquisition conditions, we introduce a lightweight geometry-reliable test-time adaptation strategy as an auxiliary component, enabling stable inference without target annotations. Extensive evaluations on multi-center benchmarks demonstrate consistent reductions in AoP error and boundary metrics compared with state-of-the-art AoP methods. Our source code is available at https://github.com/baiyou1234/R2AoP.
• Abstract（参考訳）: 腹腔内超音波による進行角度(AoP)の正確な推定は, 作業進行の客観的評価には重要であるが, 画像ノイズ, 境界曖昧性, 局所分節誤差の幾何学的増幅には高い感度が保たれている。 安定かつ再現可能な計測を実現するために,構造的情報分割と信頼誘導幾何モデリングを統合した信頼性で堅牢なAoP推定フレームワークであるR2AoPを提案する。 3枝の局所構造強化バックボーンは、パビック・サイコフィクス(PS)と胎児の頭部(FH)の起伏を改善し、一方、信頼度重み付き輪郭フィッティングは、AoP計算における信頼できない境界点の影響を明示的に抑制する。 不均一な取得条件下でのさらなる性能向上を図るため、我々は軽量な幾何信頼性試験時間適応戦略を補助的コンポーネントとして導入し、ターゲットアノテーションを使わずに安定した推論を可能にする。 マルチセンターベンチマークの大規模な評価は、最先端のAoP手法と比較して、AoPエラーとバウンダリメトリクスの一貫性の低下を示す。 ソースコードはhttps://github.com/baiyou1234/R2AoP.comで公開されています。

関連論文リスト

• UnGAP: Uncertainty-Guided Affine Prompting for Real-Time Crack Segmentation [16.902729686979303]
  UPFM(Uncertainty-Prompted Feature Modulator)は、単に出力ではなく、アクティブな視覚的プロンプトとして、アレタリック不確実性を扱う。 UnGAPは、より優れたセグメンテーション精度とリアルタイムの推論速度のバランスをとる。
  論文  参考訳（メタデータ） (2026-05-04T09:18:57Z)
• DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
  本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。 我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。 この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2026-04-08T07:01:24Z)
• The Geometry of Robustness: Optimizing Loss Landscape Curvature and Feature Manifold Alignment for Robust Finetuning of Vision-Language Models [33.10473765967503]
  一般化保存法はID/OOD性能を維持するが、敵攻撃に弱いモデルを残す。 我々の重要な洞察は、ロバスト性トレードオフは、パラメータ空間における鋭く異方性のある最小値と、摂動下で変形する不安定な特徴表現の2つの幾何学的失敗に由来するということである。 本稿では,パラメータ空間の曲率と特徴空間の不変性を協調的に正規化する,統一的な微調整フレームワークGRACEを提案する。
  論文  参考訳（メタデータ） (2026-03-28T05:22:00Z)
• Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions [89.52532304099522]
  フェデレートラーニング(FL)は、クライアントが生データを集中せずに共有モデルを共同でトレーニングすることを可能にし、固有のプライバシーレベルを提供する。 グラデーションとモデル更新は機密情報を漏洩する可能性があるが、悪意のあるサーバはビザンティン操作のような敵攻撃をマウントする可能性がある。 これらの脆弱性は、統合されたフレームワーク内の差分プライバシー(DP)とビザンチンの堅牢性に対処する必要性を強調している。 Byz-Clip21-SGD2Mを提案する。
  論文  参考訳（メタデータ） (2026-03-24T17:39:09Z)
• Robust Transfer Learning with Side Information [14.10618869312116]
  本研究では,推定中心の不確実性セットを介し,ロバストなターゲットドメインポリシーを導出する環境シフト下での移動のためのフレームワークを提案する。 サイド情報には、特徴モーメント、分布距離、密度比のバウンダリが含まれている。 学習されたロバストポリシーに対する有限サンプル保証を提供し、ロバストな準最適ギャップを分析する。
  論文  参考訳（メタデータ） (2026-03-09T03:29:44Z)
• BandPO: Bridging Trust Regions and Ratio Clipping via Probability-Aware Bounds for LLM Reinforcement Learning [49.25750348525603]
  BandPOは、信頼領域を動的で確率対応のクリッピング間隔に投影する統一理論演算子であるBandに取って代わる。 BandPOはカノニカルクリッピングやClip-Higherより一貫して優れ,エントロピー崩壊の軽減が図られている。
  論文  参考訳（メタデータ） (2026-03-05T08:03:05Z)
• Point-level Uncertainty Evaluation of Mobile Laser Scanning Point Clouds [4.164044593574969]
  本研究では,点レベルの不確実性評価のための機械学習に基づくフレームワークを提案する。 局所幾何学的特徴と点レベルの誤差の関係を学習する。 実験により,両モデルが幾何特性と不確実性の間の非線形関係を効果的に捉えることができることを示した。
  論文  参考訳（メタデータ） (2025-10-24T21:30:52Z)
• MaP: A Unified Framework for Reliable Evaluation of Pre-training Dynamics [72.00014675808228]
  大規模言語モデルの不安定性評価プロセスは、真の学習力学を曖昧にする。 textbfMaPは、アンダーラインMergingアンダーラインとアンダーラインPass@kメトリックを統合するフレームワークです。 実験により、MaPはよりスムーズな性能曲線を示し、ラン間分散を低減し、より一貫性のあるランキングを保証する。
  論文  参考訳（メタデータ） (2025-10-10T11:40:27Z)
• RBFIM: Perceptual Quality Assessment for Compressed Point Clouds Using Radial Basis Function Interpolation [58.04300937361664]
  ポイントクラウド圧縮(PCC)の主な課題の1つは、知覚的品質にRBを最適化できるように、認識された歪みを評価する方法である。 本稿では、放射基底関数(RBF)を用いて離散点特徴を歪み点雲の連続特徴関数に変換する新しい評価法を提案する。
  論文  参考訳（メタデータ） (2025-03-18T11:25:55Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)

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。