論文の概要: Pre-Deployment Robustness Stress Testing for CT Segmentation Systems Using Clinically Motivated Multi-Corruption Augmentation
- arxiv url: http://arxiv.org/abs/2606.00491v1
- Date: Sat, 30 May 2026 02:42:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.488349
- Title: Pre-Deployment Robustness Stress Testing for CT Segmentation Systems Using Clinically Motivated Multi-Corruption Augmentation
- Title（参考訳）: クリニカル・モチベーション・マルチコラプション・オーグメンテーションを用いたCTセグメンテーションシステムのロバストネス前負荷試験
- Abstract要約: 我々は,CTセグメント化のためのRAMP(Augmented Multi-corruption Pipeline)によるロバストネスを提案する。
RAMPは、解剖学的に制約された摂動、CT強度変換、マルチ破壊組成物を組み合わせて、臨床的に妥当な画像劣化にモデルを公開する。
RAMPは最強の劣化画像性能と最小のクリーン・ツー・フェイクド・ロバスト性ギャップを達成した。
- 参考スコア（独自算出の注目度）: 0.7046417074932257
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Deep learning-based CT segmentation systems often achieve high accuracy on clean benchmark images, but their performance may degrade under heterogeneous clinical imaging conditions such as noise, resolution loss, contrast variation, intensity shift, and artifacts. This instability can limit reliable deployment in real-world medical imaging workflows. We propose Robustness via Augmented Multi-corruption Pipeline (RAMP), a robustness-oriented augmentation framework for CT segmentation. RAMP combines anatomically constrained spatial perturbations, CT intensity transformations, and stochastic multi-corruption composition to expose models to clinically plausible image degradation during training. Across two CT segmentation evaluation settings, RAMP achieved the strongest corrupted-image performance and the smallest clean-to-corrupted robustness gap. In the five-organ noisy evaluation benchmark, RAMP improved mean corrupted Dice from 0.610 to 0.753 and reduced the robustness gap from 0.264 to 0.064 compared with the nnU-Net baseline. In Abdomen1K, RAMP improved mean corrupted Dice from 0.633 to 0.789 and reduced the robustness gap from 0.290 to 0.070. Although RAMP did not achieve the highest clean-image Dice, it substantially mitigated worst-case segmentation collapse under severe image degradation. These results suggest that multi-corruption augmentation can serve as a practical pre-deployment strategy for improving the reliability of CT segmentation systems in heterogeneous clinical environments.
- Abstract（参考訳）: ディープラーニングベースのCTセグメンテーションシステムは、クリーンなベンチマーク画像上で高い精度を達成するが、ノイズ、解像度損失、コントラスト変動、強度シフト、アーティファクトなどの異種の臨床画像条件下では、その性能は低下する可能性がある。
この不安定さは、現実世界の医療画像ワークフローにおける信頼性の高いデプロイメントを制限することができる。
我々は,CTセグメンテーションのためのロバストネス指向拡張フレームワークであるAugmented Multi-corruption Pipeline (RAMP) を用いてロバストネスを提案する。
RAMPは、解剖学的に制約された空間摂動、CT強度変換、確率的マルチ破壊組成物を組み合わせることで、トレーニング中にモデルが臨床的に妥当な画像劣化に露呈する。
2つのCTセグメンテーション評価設定で、RAMPは最強の劣化画像性能と最小のクリーン・ツー・コーポレーション・ロバストネスギャップを達成した。
5臓器ノイズ評価ベンチマークでは、RAMPは平均劣化Diceを0.610から0.753に改善し、堅牢性ギャップはnnU-Netベースラインに比べて0.264から0.064に縮小した。
アブドメン1Kでは、RAMPはDiceの平均劣化率を0.633から0.789に改善し、ロバスト性ギャップを0.290から0.070に短縮した。
RAMPは高精細Diceを達成できなかったが, 画像劣化による最悪のセグメンテーション崩壊を著しく軽減した。
これらの結果から, マルチ破壊増強は, 異種臨床環境におけるCTセグメンテーションシステムの信頼性向上に有効である可能性が示唆された。
関連論文リスト
- A cross-modal generative model for incomplete and degraded prostate MRI with multicentre clinical validation [48.14053205497089]
MSCNetは、入手できないコントラストを再構築し、劣化したコントラストを復元するためのシーケンス条件のクロスモーダル生成フレームワークである。
画像の画質は、DWI, ADC, T2Wの既定不等式基準を満たしたが、T1Wは満たされなかった。
論文 参考訳（メタデータ） (2026-08-17T08:11:25Z) - Fully Automated High-Precision Segmentation of Retinal Atrophy and Ellipsoid Zone Thickness in OCT: A Reliable Tool for Real-World GA Monitoring [2.709196497303179]
加齢関連黄斑変性症(AMD)に続発する地理的萎縮(GA)は、関連する構造バイオマーカーの正確なモニタリングを必要とする。
本稿では,OCT画像におけるキーバイオマーカーの高精度,画素ワイド分割のための,完全に自動化されたディープラーニングベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-30T11:21:57Z) - Multi-Contrast MRI Motion Correction via Parameter-Informed Disentanglement and Adaptive Experts [56.74856091904914]
パラメータインフォームドコントラストと重度適応補正を組み合わせた統合フレームワークを提案する。
ScanCLIPは、取得パラメータからアンタングルコントラストスタイルへのコントラスト埋め込みを解剖学的内容から導き、コントラストのない特徴をもたらす。
ビジョントランスフォーマーは、動きの重大度を推定し、Mixture-of-Expertsネットワークを介して特徴をルーティングし、ターゲットのアーティファクト修正を可能にする。
論文 参考訳（メタデータ） (2026-05-29T02:48:23Z) - Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling [51.330452704464925]
145の病院から1,046のPCCTと405,379のEICTで潜伏拡散モデルを訓練した。
我々は,PCCTライクな品質に拡張された17,316以上の公開EICTの大規模データセットを構築した。
以上の結果から,現像技術の進歩は,限られた高画質スキャンを基準として,定期的なEICTに体系的に蒸留できることが示唆された。
論文 参考訳（メタデータ） (2026-04-08T17:47:35Z) - Cancer-Net PCa-MultiSeg: Multimodal Enhancement of Prostate Cancer Lesion Segmentation Using Synthetic Correlated Diffusion Imaging [55.62977326180104]
前立腺癌病変の分節化に対する近年の深層学習アプローチは,限られた性能を達成している。
本稿では,標準拡散型プロトコルの拡張として,合成相関拡散イメージング(CDI$s$)について検討する。
以上の結果から,PCa病変セグメント化タスクの実践的ドロップイン強化として,CDI$s$に対する検証済み統合経路が確立された。
論文 参考訳（メタデータ） (2025-11-11T04:16:12Z) - DynSegNet:Dynamic Architecture Adjustment for Adversarial Learning in Segmenting Hemorrhagic Lesions from Fundus Images [8.359851428921386]
本稿では,階層型U字型エンコーダデコーダ,残差ブロック,アテンション機構,ASPPモジュールを統合した逆学習に基づく動的アーキテクチャ調整手法を提案する。
実験の結果、Dice係数は0.5602の0.6802、IoU、リコールは0.766、精度は0.6525、精度は0.9955であることが示され、眼底出血セグメンテーションの課題に効果的に対処した。
論文 参考訳（メタデータ） (2025-02-13T12:11:58Z) - Improving Deformable Image Registration Accuracy through a Hybrid Similarity Metric and CycleGAN Based Auto-Segmentation [3.0467823892854238]
変形性画像登録(DIR)は、解剖学的変化を考慮に入れた適応放射線療法(ART)において重要である。
従来の強度に基づくDIR法は、画像強度が異なるときにしばしば失敗する。
本研究は,CycleGANに基づく強度補正とオートセグメンテーションを利用して,強度と構造情報を組み合わせたハイブリッド類似度測定値を評価する。
論文 参考訳（メタデータ） (2024-11-25T23:49:16Z) - Enhanced Denoising of Optical Coherence Tomography Images Using Residual U-Net [0.0]
本稿では,雑音を効果的に低減し,画像の明瞭度を向上するResidual U-Netアーキテクチャを用いた拡張型復調モデルを提案する。
ピーク信号ノイズ比(PSNR)はPS OCT画像に対して34.343$pm$1.113であり、構造類似度指数測定(SSIM)値は0.885$pm$0.030である。
論文 参考訳（メタデータ） (2024-07-18T01:35:03Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - OCT-GAN: Single Step Shadow and Noise Removal from Optical Coherence
Tomography Images of the Human Optic Nerve Head [47.812972855826985]
我々は、ノイズと網膜の影の両方を10.4ms以内で見えない単一フレームのBスキャンから除去する単一プロセスを開発した。
提案アルゴリズムは,長い画像取得時間の必要性を低減し,高価なハードウェア要件を最小化し,OCT画像の動作アーティファクトを低減する。
論文 参考訳（メタデータ） (2020-10-06T08:32:32Z)
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。