論文の概要: Subspace-Guided Semantic and Topological Invariant Registration for Annotation-Free Ultrasound Plane Quality Control
- arxiv url: http://arxiv.org/abs/2605.25396v1
- Date: Mon, 25 May 2026 03:44:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:19.276162
- Title: Subspace-Guided Semantic and Topological Invariant Registration for Annotation-Free Ultrasound Plane Quality Control
- Title（参考訳）: アノテーションのない超音波平面品質制御のための部分空間誘導意味とトポロジ的不変性登録
- Authors: Chunzheng Zhu, Jianxin Lin, Feng Wang, Cheng Jiang, Guanghua Tan, Zhenyu Zhou, Shengli Li, Kenli Li,
- Abstract要約: STRIQは、サブスペース誘導整合性測定問題として米国の飛行機品質管理を再放送する登録駆動フレームワークである。
さらに解剖学的平面を曖昧にし、負の知識伝達を緩和するために、直交知識部分空間モジュールを提案する。
社内のUS4QAデータセットとCAMUSデータセットの実験は、STRIQが臨床品質スコアと原則化された最先端の相関を達成していることを示している。
- 参考スコア（独自算出の注目度）: 25.005156057009504
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reliable quality control (QC) of ultrasound images is essential for both real-time acquisition guidance and retrospective clinical audit, yet existing approaches rely heavily on per-plane annotations, or employ pseudo-labeling prone to systematic bias under spatial deformations inherent in clinical acquisition. We present STRIQ, a registration-driven framework that recasts annotation-free US plane quality control as a subspace-guided consistency measurement problem. Specifically, STRIQ introduces a Latent Registration Aligner (LRA) to establish hierarchical feature space correspondences between query images and variance-driven anchors, which are autonomously distilled from unlabeled data via a variance spectrum criterion to serve as structurally stable prototypes. To further disambiguate anatomical planes and mitigate negative knowledge transfer, we propose an Orthogonal Knowledge Subspace (OKS) module. The OKS decomposes plane-specific representations into mutually orthogonal subspaces, enabling fine-grained expert collaboration while preventing inter-plane interference, ensuring that the quality metric is grounded in principled subspace proximity. Extensive experiments on the in-house US4QA and public CAMUS datasets demonstrate that STRIQ achieves state-of-the-art correlation with clinical quality scores, establishing a new paradigm for annotation-free, real-time reliable ultrasound quality control. Our code is available at https://github.com/zhcz328/STRIQ.
- Abstract（参考訳）: 超音波画像の信頼性の高い品質管理(QC)は, リアルタイム取得指導と再帰的臨床検査の両方に不可欠であるが, 既存のアプローチは, 航空機ごとのアノテーションに大きく依存している。
本稿では,アノテーションのない米国平面品質制御をサブスペース誘導整合性測定問題として再キャストする登録駆動フレームワークSTRIQを提案する。
具体的には、クエリ画像と分散駆動アンカーの階層的特徴空間対応を確立するために、STRIQ(Latent Registration Aligner)を導入し、分散スペクトル基準によってラベルのないデータから自律的に蒸留され、構造的に安定なプロトタイプとして機能する。
さらに解剖学的平面を曖昧にし、負の知識伝達を緩和するために、直交知識部分空間(OKS)モジュールを提案する。
OKSは平面固有の表現を相互直交部分空間に分解し、平面間干渉を防ぎながらきめ細かな専門家の協力を可能にし、品質指標が原理化された部分空間に接することを保証する。
社内のUS4QAデータセットとCAMUSデータセットの大規模な実験により、STRIQは臨床品質スコアと最先端の相関を達成し、アノテーションのないリアルタイム超音波品質管理のための新しいパラダイムを確立した。
私たちのコードはhttps://github.com/zhcz328/STRIQ.comから入手可能です。
関連論文リスト
- MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。
ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
論文 参考訳（メタデータ） (2026-05-18T01:52:12Z) - Unsupervised Domain Shift Detection with Interpretable Subspace Attribution [48.553902624178995]
ドメインシフトはデータセットの確率分布の微妙な違いである。
高次元特徴空間における局所密度異常を検出するアルゴリズムを用いて,これらのシフトを同定する。
ドメインシフトを小さな機能セットにトレースすることで、シフトを解釈できます。
論文 参考訳（メタデータ） (2026-05-15T12:58:00Z) - Beyond Prompt: Fine-grained Simulation of Cognitively Impaired Standardized Patients via Stochastic Steering [58.85421622061983]
認知障害患者の微粒化シミュレーションのためのStsPatientを提案する。
対照的な命令と応答のペアからステアリングベクトルを抽出することにより、ドメイン固有の特徴を捉える。
StsPatientは、臨床の信頼性と重症度の両方において、ベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-04-14T02:37:46Z) - Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。
In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。
IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
論文 参考訳（メタデータ） (2026-03-11T06:14:11Z) - 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) - Exploiting Label-Independent Regularization from Spatial Dependencies for Whole Slide Image Analysis [11.555599433797235]
全スライド画像は、組織サンプルのギガピクセルスケールのパノラマで、正確な疾患診断に欠かせない。
既存のMILメソッドは、単一のバッグレベルのラベルが多数のパッチレベルの特徴の学習をガイドしなければならないという基本的な不均衡のために、課題に直面している。
ラベルに依存しない正規化信号としてパッチ特徴間の空間的関係を生かした空間正規化MILフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-23T04:07:08Z) - The Emergence of Lab-Driven Alignment Signatures: A Psychometric Framework for Auditing Latent Bias and Compounding Risk in Generative AI [0.0]
本稿では,不確実性の下での潜在特性推定を定量化する新しい監査フレームワークを提案する。
この研究は最適化バイアス、Sycophancy、Status-Quo Legitimizationを含む9つの次元にわたる主要なモデルを監査している。
論文 参考訳（メタデータ） (2026-02-19T06:56:01Z) - Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。
これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
論文 参考訳（メタデータ） (2026-02-04T15:25:02Z) - Uncertainty-Calibrated Explainable AI for Fetal Ultrasound Plane Classification [0.0]
胎児超音波標準平面分類は、出生前生検と異常検診の信頼性を高める。
実世界の展開は、ドメインシフト、画像ノイズ、予測される確率のキャリブレーションによって制限される。
本稿では,胎児平面分類における不確実性校正可能なAIの実践的枠組みを提案する。
論文 参考訳（メタデータ） (2026-01-02T21:32:26Z) - Reflecting Topology Consistency and Abnormality via Learnable Attentions for Airway Labeling [19.269806092729468]
気道解剖学的ラベリングは、気管支鏡で複雑な気管支構造を識別し、ナビゲートするために、臨床医にとって不可欠である。
従来の手法は一貫性のない予測を生成する傾向にある。
本稿では, トポロジカルな整合性を高め, 異常な気道分岐の検出を改善する手法を提案する。
論文 参考訳（メタデータ） (2024-10-31T12:04:30Z)
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。