論文の概要: ROBUST-WT: Robust Uncertainty-aware Segmentation Transform via Whitening and Training Enhancements

• arxiv url: http://arxiv.org/abs/2606.03069v1
• Date: Tue, 02 Jun 2026 02:59:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.712058
• Title: ROBUST-WT: Robust Uncertainty-aware Segmentation Transform via Whitening and Training Enhancements
• Title（参考訳）: ROBUST-WT:ホワイトニングとトレーニング強化によるロバスト不確実性認識セグメンテーション変換
• Authors: Aqsa Naseer, Maryam Bibi, Syeda Samiya Urooj, Muhammad Khurram Shahzad,
• Abstract要約: 本研究では,Whitening Transform-based Probabilistic Shape Regularization Extractor (WT-PSE)学習フレームワークの改良を体系的に検討した。 基礎光学ディスクセグメンテーションベンチマークの実験では、改良されたパイプラインが最終的なエポックディスクDiceスコア0.956とASDスコア13.31を達成し、ベースラインのエポック5Diceスコア0.939を上回った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generalized segmentation of medical images prevents performance degradation when different imaging devices and clinical protocols are used across multiple domains. The Whitening Transform-based Probabilistic Shape Regularization Extractor (WT-PSE), published in IEEE Transactions on Medical Imaging in 2024, addresses this challenge by employing feature decorrelation and Wasserstein distance-based knowledge distillation to achieve robust cross-domain segmentation. This study systematically examines improvements to the WT-PSE learning framework. Four limitations in the original implementation are identified: limited training augmentations that fail to simulate real scanner variations, reliance on per-pixel binary cross-entropy loss that is sensitive to edge noise, the absence of a scheduled loss weighting strategy that may destabilize early training, and the lack of ablation switches for controlled scientific comparison. To address these issues, we propose four enhancements: (1) domain-adaptive augmentation including random erasing, gamma correction, and salt-and-pepper noise; (2) a hybrid BCE and Dice loss function for improved edge-aware segmentation under noisy conditions; (3) a curriculum-based Dice weight scheduling strategy; and (4) command-line control flags for systematic ablation studies. Experiments on the fundus optic disc segmentation benchmark demonstrate that the improved pipeline achieves a final epoch optic-disc Dice score of 0.956 and an ASD score of 13.31, outperforming the baseline epoch-5 Dice score of 0.939. These results indicate that training-level improvements can provide consistent performance gains without modifying the underlying WT-PSE architecture.
• Abstract（参考訳）: 医用画像の一般的なセグメンテーションは、異なる撮像装置と臨床プロトコルが複数の領域にまたがって使用される場合、性能劣化を防ぐ。 2024年にIEEE Transactions on Medical Imagingで発表されたWhitening Transform-based Probabilistic Shape Regularization Extractor (WT-PSE)は、機能デコリレーションとワッサーシュタイン距離に基づく知識蒸留を用いて、堅牢なクロスドメインセグメンテーションを実現することでこの問題に対処している。 本研究ではWT-PSE学習フレームワークの改良を体系的に検討する。 オリジナルの実装の4つの制限は、実際のスキャナのバリエーションをシミュレートできない限定的なトレーニング強化、エッジノイズに敏感なピクセル単位のバイナリクロスエントロピー損失への依存、早期トレーニングを安定化させる予定の損失重み付け戦略の欠如、制御された科学比較のためのアブレーションスイッチの欠如である。 これらの課題に対処するため,(1)ランダム消去,ガンマ補正,ソルト・アンド・ペッパーノイズを含むドメイン適応型拡張,(2)雑音下でのエッジ認識セグメンテーション改善のためのハイブリッドBCEとディース損失関数,(3)カリキュラムベースのダイスウェイトスケジューリング戦略,(4)系統的アブレーション研究のためのコマンドライン制御フラグを提案する。 基礎光学ディスクセグメンテーションベンチマークの実験では、改良されたパイプラインが最終的なエポックディスクDiceスコア0.956とASDスコア13.31を達成し、ベースラインのエポック5Diceスコア0.939を上回った。 これらの結果から,WT-PSEアーキテクチャを変更することなく,トレーニングレベルの改善が一貫した性能向上をもたらすことが示唆された。

関連論文リスト

• Thinking in Scales: Accelerating Gigapixel Pathology Image Analysis via Adaptive Continuous Reasoning [52.41928980786654]
  スライド画像全体に対してトークン効率のよいスケール空間連続推論を可能にするPathCTMを提案する。 PathCTMは診断推論を動的逐次情報追跡として定式化する。 必要な画像パッチの数を95.95%削減し、推論時間を約95.62%短縮し、AUCを劣化せずに維持する。
  論文  参考訳（メタデータ） (2026-05-19T07:46:44Z)
• TIP: Resisting Gradient Inversion via Targeted Interpretable Perturbation in Federated Learning [8.156452885913108]
  フェデレートラーニング(FL)は、データの局所性を維持しながら協調的なモデルトレーニングを促進する。 勾配の交換により、システムはグラディエント・インバージョン・アタック(GIAs)に弱い。 本稿では、モデル解釈可能性と周波数領域解析を統合する新しい防御フレームワークTIPを提案する。
  論文  参考訳（メタデータ） (2026-02-12T06:32:49Z)
• Uncertainty-Aware Domain Adaptation for Vitiligo Segmentation in Clinical Photographs [4.19421520851419]
  治療反応の経時的モニタリングには, 日常的な臨床写真における精査範囲の正確な定量化が不可欠である。 我々は,ISIC 2019データセット上でのドメイン適応型事前学習とROIに基づく二重タスク損失を組み合わせ,背景雑音を抑制するデータ効率のトレーニング戦略を提案する。 本フレームワークは破滅的障害をゼロに高い信頼性を示し,診断可能なエントロピーマップを提供し,臨床検査のための曖昧な領域を同定する。
  論文  参考訳（メタデータ） (2025-12-12T18:56:21Z)
• 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)
• Comparative Analysis of Data Augmentation for Clinical ECG Classification with STAR [0.0]
  正弦波時間振幅サンプリング(Sinusoidal Time-Amplitude Resampling, STAR)は、連続するRピーク間で厳密に動作するビートワイド増幅である。 STARは実践的なパイプラインのために設計されており、 (i) ピークや間隔を損なうことなくトレーニングの多様性を拡大するモルフォロジー-忠実な変動、 (ii) ソースレジリエンスなトレーニング、 デバイス、サイト、コホート間の安定性をデータセット固有のチューニングなしで改善する、 (iv) ビートレベルの拡張によるレアクラスの学習の改善。
  論文  参考訳（メタデータ） (2025-10-15T14:18:03Z)
• Enhanced SegNet with Integrated Grad-CAM for Interpretable Retinal Layer Segmentation in OCT Images [0.0]
  そこで本研究では,SegNetによる網膜層分割の自動化と解釈のためのディープラーニングフレームワークを提案する。 改良されたプール戦略を含むアーキテクチャ上の革新は、ノイズの多いOCT画像からの特徴抽出を強化する。 Grad-CAMの可視化では、解剖学的に関連のある領域が強調され、セグメンテーションと臨床バイオマーカーが一致した。
  論文  参考訳（メタデータ） (2025-09-09T14:31:51Z)
• P3Net: Progressive and Periodic Perturbation for Semi-Supervised Medical Image Segmentation [60.08541107831459]
  本研究では,非ラベルデータの学習を支援するために,進行的かつ周期的な摂動機構(P3M)と境界中心の損失を提案する。 提案手法は,2つの2次元および3次元データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-05-21T05:35:28Z)
• 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)
• 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)

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。