論文の概要: SC-MFJ: A Simple Haptic Quality Metric for Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2606.06199v1
• Date: Thu, 04 Jun 2026 14:04:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.842123
• Title: SC-MFJ: A Simple Haptic Quality Metric for Medical Image Segmentation
• Title（参考訳）: SC-MFJ : 医用画像セグメンテーションのための簡易触覚品質指標
• Authors: Souraj Adhikary, Negar Chabi, Andre Mastmeyer,
• Abstract要約: SC-MFJ (Surface-Constrained Mean Force Jerk) は,多数の短い仮想スタイラスウォークで分割された臓器表面をサンプリングする簡易で安価な計量法である。 5倍のクロスバリデーションでSDF(Signed distance function)を80例以上学習し,3例の膵CTセグメンテーションによる2次nnU-Net出力,ガウス平滑化出力,SDF(Signed distance function)の判定を行った。
• 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: Standard segmentation metrics such as Dice and Hausdorff distance measure geometric overlap but say nothing about whether a segmented surface is suitable for haptic rendering in surgical simulation. We propose SC-MFJ (Surface-Constrained Mean Force Jerk), a simple, inexpensive metric that samples a segmented organ surface with many short virtual stylus walks and measures how jerky the resulting contact forces are. The metric is computed from existing segmentation outputs and uses roughly one minute of CPU time per case. We evaluate three pancreas CT segmentation approaches-binary nnU-Net output, Gaussian-smoothed output, and learned signed distance function (SDF) regression-across 80 cases in five-fold cross-validation. SC-MFJ reveals a 147x gap in haptic quality between the raw binary baseline and simple Gaussian post-processing, a difference entirely invisible to Dice and HD95. It also shows that learned SDF regression, despite requiring full model retraining, produces more variable haptic quality than Gaussian smoothing, with a case-level standard deviation of 168 N/s2 compared with 22 N/s2 for Gaussian. A second evaluation on the LiTS liver dataset (131 cases) confirms the generality of these findings: the binary-to-Gaussian gap widens to 189x, and Gaussian smoothing again produces consistently low force jerk across all folds. Our results suggest that for haptic simulation applications, a one-line post-processing step may be sufficient, and that a cheap metric like SC-MFJ can flag problems that geometric metrics miss.
• Abstract（参考訳）: Dice や Hausdorff のような標準的なセグメンテーション測度は幾何重なりを測るが、手術シミュレーションにおいてセグメンテーションされた表面が触覚レンダリングに適しているかどうかについては言及しない。 SC-MFJ (Surface-Constrained Mean Force Jerk) は,多数の短い仮想スタイラスウォークでセグメント化された臓器表面をサンプリングし,結果として生じる接触力がどのようにジャーキーであるかを測定する,シンプルで安価な測定基準である。 メトリックは既存のセグメンテーション出力から計算され、ケースあたり約1分間のCPU時間を使用する。 5倍のクロスバリデーションでSDF(Signed distance function)を80例以上学習し,3例の膵CTセグメンテーションによる2次nnU-Net出力,ガウス平滑化出力,SDF(Signed distance function)の判定を行った。 SC-MFJは、生のバイナリベースラインと単純なガウス処理の間の触覚品質の147倍の差を明らかにし、DiceとHD95とは全く異なる。 また、学習されたSDF回帰は、完全なモデル再訓練を必要とするにもかかわらず、ガウスの平滑化よりも、ガウスの22 N/s2に比べてケースレベルの標準偏差が168 N/s2であることも示している。 LiTS肝データセット (131例) の2番目の評価では, 2次-ガウス間ギャップが189倍に拡大し,ガウスの平滑化はすべての折り畳みに一貫した低力ジャークを生じることが確認された。 この結果から,ハプティックシミュレーションでは1行のポストプロセッシングステップが十分であり,SC-MFJのような安価なメトリクスは,幾何学的測度が欠落する問題にフラグを付けることができる可能性が示唆された。

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)
• Hierarchical Transformer Preconditioning for Interactive Physics Simulation [28.137076331332413]
  階層型トランスフォーマープレコンディショナー(Hierarchical Transformer Preconditioner)は、弱い許容率のH行列分割に固定されたニューラルプレコンディショナーである。 ネットワークは低ランクの遠距離因子を通して逆をモデル化する。 高速道路の接続を利用して、奥行きを隔ててコンテキストを伝播する。
  論文  参考訳（メタデータ） (2026-05-13T11:02:27Z)
• AXELRAM: Quantize Once, Never Dequantize [0.0]
  AXELRAMは、量子化されたKVキャッシュインデックスから直接注目スコアを算出する。 我々は,根本原因をレイヤーワイド標準に追従し,ハードウェアコストゼロの破滅的なスパイクを排除した勾配のない符号パターン選択(200の候補,8のキャリブレーションサンプル,1回)を提案する。
  論文  参考訳（メタデータ） (2026-04-03T02:03:38Z)
• GSPN-2: Efficient Parallel Sequence Modeling [101.33780567131716]
  一般化空間伝搬ネットワーク(GSPN)は2次自己アテンションを直線走査型伝搬方式に置き換えることでこの問題に対処する。 GSPN-2は、視覚アプリケーションにおけるグローバル空間コンテキストをモデル化するための新しい効率フロンティアを確立する。
  論文  参考訳（メタデータ） (2025-11-28T07:26:45Z)
• Quantum measurement tomography with mini-batch stochastic gradient descent [0.0]
  量子状態トモグラフィー (hrefhttps://iopscience.iop.org/article088/2058-9565/ae0baaQuantum Sci.Technol.textbf10 045055 (2025)] と量子プロセストモグラフィー (hrefhttps://journals.aps.org/prl/abstract103/PhysRevLett.130.150402Phys.Rev.Lett.textb130, 150402 (2023)) におけるデータ処理のために開発された勾配日射法から着想を得た。
  論文  参考訳（メタデータ） (2025-11-19T18:30:15Z)
• How Learnable Grids Recover Fine Detail in Low Dimensions: A Neural Tangent Kernel Analysis of Multigrid Parametric Encodings [106.3726679697804]
  フーリエ特徴符号化(FFE)とマルチグリッドパラメトリック符号化(MPE)の2つの手法を比較した。 MPEは低次元マッピングの標準と見なされるが、MPEはそれらを上回り、高解像度で詳細な表現を学習することが多い。 我々は,MPEが学習可能な埋め込みではなく,グリッド構造を通じてネットワークの性能を向上させることを証明した。
  論文  参考訳（メタデータ） (2025-04-18T02:18:08Z)
• Surgical Gaussian Surfels: Highly Accurate Real-time Surgical Scene Rendering using Gaussian Surfels [2.100264665675523]
  異方性点プリミティブを表面整列楕円形スプラットに変換する手術用ガウスサーフェルス(SGS)を導入する。 また,標準放射の5倍の精度で正確な波動場を予測する軽量な多層パーセプトロン (FFD-MLP) も導入した。 本手法は, 表面形状, 正規地図品質, レンダリング効率において, 現状の手法より優れている2つの手術用データセットを用いて評価した。
  論文  参考訳（メタデータ） (2025-03-06T04:33:19Z)
• A Generalized Surface Loss for Reducing the Hausdorff Distance in Medical Imaging Segmentation [1.2289361708127877]
  本研究では,現在の手法よりも望ましい数値特性を持つハウスドルフ測度を最小化する新しい損失関数を提案する。 我々の損失関数は、最先端のnnUNetアーキテクチャを用いてLiTSとBraTSデータセットでテストした場合、他の損失よりも優れています。
  論文  参考訳（メタデータ） (2023-02-08T04:01:42Z)
• Quantum Algorithms for Simulating the Lattice Schwinger Model [63.18141027763459]
  NISQとフォールトトレラントの両方の設定で格子シュウィンガーモデルをシミュレートするために、スケーラブルで明示的なデジタル量子アルゴリズムを提供する。 格子単位において、結合定数$x-1/2$と電場カットオフ$x-1/2Lambda$を持つ$N/2$物理サイト上のシュウィンガーモデルを求める。 NISQと耐故障性の両方でコストがかかるオブザーバブルを、単純なオブザーバブルとして推定し、平均ペア密度を推定する。
  論文  参考訳（メタデータ） (2020-02-25T19:18:36Z)

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。