論文の概要: Exploiting Longitudinal Context in Clinician-Verified Interactive Lesion Tracking
- arxiv url: http://arxiv.org/abs/2605.23118v1
- Date: Fri, 22 May 2026 00:37:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 17:29:20.141337
- Title: Exploiting Longitudinal Context in Clinician-Verified Interactive Lesion Tracking
- Title（参考訳）: 臨床者が確認した対話的病変追跡における縦断的文脈の出現
- Authors: Yannick Kirchhoff, Maximilian Rokuss, Daniel Philipp Mertens, David Füller, Benjamin Hamm, Andreas Schreyer, Oliver Ritter, Klaus Maier-Hein,
- Abstract要約: エンドツーエンドのトラッカーは高い自動化を実現しますが、サイレントトラッキングの失敗を修正する機会はありません。
臨床医は,ベースライン病変の出現とともにモデルが活用する登録提案プロンプトを検証する。
提案手法は,完全自動と検証されたトラッキング設定の両方において,先行作業よりも優れる。
- 参考スコア（独自算出の注目度）: 2.597191216052101
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Tracking tumor lesions across serial CT scans is essential for oncological response assessment. Existing automated methods face a fundamental trade-off: end-to-end trackers achieve high automation but offer no opportunity to correct silent tracking failures, while decoupled registration-segmentation pipelines permit user verification yet discard the lesion's prior appearance, limiting accuracy in ambiguous cases. In this work, we propose a Verified Tracking paradigm: a clinician verifies a registration-proposed prompt, which the model leverages alongside the baseline lesion appearance to resolve segmentation ambiguities. We present a unified framework combining early spatial prompt fusion with latent temporal difference weighting for longitudinally-informed segmentation. To address data scarcity, we leverage large-scale synthetic pretraining, proving essential for exploiting longitudinal context, improving performance by up to 4.5 Dice points over training from scratch. Our approach secured first place in the MICCAI autoPET IV challenge. We further curate and release PanTrack, a new longitudinal pancreatic cancer benchmark, to assess out-of-distribution generalization. Experiments show that our model outperforms prior work in both fully automatic and the proposed verified tracking setting offering a clinically safe middle ground between automation and control. Code, model and dataset will be released at https://github.com/MIC-DKFZ/LongiSeg
- Abstract（参考訳）: 腫瘍病変の追跡は腫瘍学的評価に不可欠である。
エンドツーエンドのトラッカーは高い自動化を実現するが、サイレントトラッキング障害を修正する機会はない。
本研究は, 臨床者が登録提案したプロンプトを検証し, ベースライン病変の出現とともに活用し, セグメンテーションの曖昧さを解消する, 検証追跡パラダイムを提案する。
縦方向インフォームドセグメンテーションのための初期空間的プロンプト融合と潜時差重み付けを組み合わせた統合フレームワークを提案する。
データ不足に対処するために、我々は大規模な合成事前学習を活用し、時間的文脈を活用するために不可欠なことを証明し、スクラッチからのトレーニングよりも最大4.5Diceポイントの性能を向上させる。
提案手法はMICCAI AutoPET IV チャレンジで第1位を獲得した。
膵癌の新しい縦断的指標であるPanTrackを治療・リリースし,アウト・オブ・ディストリビューションの一般化を評価した。
実験の結果,本モデルでは,完全自動と検証済みの追跡設定の両方において,自動化と制御の中間点として臨床上安全であることがわかった。
コード、モデル、データセットはhttps://github.com/MIC-DKFZ/LongiSegで公開される。
関連論文リスト
- Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。
我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。
ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
論文 参考訳（メタデータ） (2026-03-18T06:15:35Z) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - GAPS: A Clinically Grounded, Automated Benchmark for Evaluating AI Clinicians [32.33432636089606]
AI臨床システムの現在のベンチマークは、実際の臨床実践に必要な深さ、堅牢性、安全性を捉えていない。
本稿では, GAPSフレームワーク, textbfGrounding (認識深度), textbfAdequacy (回答完全性), textbfPerturbation (損耗性), textbfSafetyを提案する。
GAPS準拠のベンチマークをエンドツーエンドに構築するための,完全自動化されたガイドライン変換パイプラインを開発した。
論文 参考訳（メタデータ） (2025-10-15T16:40:28Z) - Promptable Longitudinal Lesion Segmentation in Whole-Body CT [9.254535645473311]
我々は最近提案されたLongiSegフレームワークを拡張し、ポイントとマスクの相互作用による病変特異的な追跡を可能にする。
実験の結果,プレトレーニングにより,時間的文脈を活用できる能力が大幅に向上し,最大6Diceポイントの改善が得られた。
論文 参考訳（メタデータ） (2025-08-30T21:35:35Z) - Unstable Prompts, Unreliable Segmentations: A Challenge for Longitudinal Lesion Analysis [0.5537760992845262]
本稿では,ULS23セグメンテーションモデルの性能を経時的に検討する。
本報告では, スキャン間登録誤りによる経過観察におけるセグメンテーション品質の急激な低下と, その後の病変対応過程の崩壊の2つの重要な障害モードを同定した。
論文 参考訳（メタデータ） (2025-07-25T12:55:48Z) - AGIR: Assessing 3D Gait Impairment with Reasoning based on LLMs [0.0]
歩行障害は、神経変性疾患の早期診断、疾患モニタリング、治療評価において重要な役割を果たす。
近年のディープラーニングベースのアプローチは、分類精度を一貫して改善しているが、解釈可能性に欠けることが多い。
本稿では、事前訓練されたVQ-VAEモーショントークンライザと、一対のモーショントークン上で微調整されたLarge Language Model(LLM)からなる新しいパイプラインであるAGIRを紹介する。
論文 参考訳（メタデータ） (2025-03-23T17:12:16Z) - GAD: A Real-time Gait Anomaly Detection System with Online Adaptive Learning [0.0]
歩行異常検出は、人の通常の歩行パターンから逸脱を検出するタスクである。
本稿では,リアルタイム歩行異常検出システムであるGADを紹介する。
論文 参考訳（メタデータ） (2024-05-04T22:43:09Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - TraSeTR: Track-to-Segment Transformer with Contrastive Query for
Instance-level Instrument Segmentation in Robotic Surgery [60.439434751619736]
そこで我々は,TraSeTRを提案する。TraSeTR,TraSeTR,Trace-to-Segment Transformerは,手術器具のセグメンテーションを支援する。
TraSeTRは、機器の種類、位置、アイデンティティとインスタンスレベルの予測を共同で理由付けている。
提案手法の有効性を,3つの公開データセットに対して,最先端の計器型セグメンテーション結果を用いて実証した。
論文 参考訳（メタデータ） (2022-02-17T05:52:18Z) - Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。
元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。
私たちのコードは、将来的な比較作業のためにオープンソースにされます。
論文 参考訳（メタデータ） (2021-07-01T08:58:16Z)
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。