論文の概要: SegDINO: Introducing Multi-Scale Structure into DINO for Efficient Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2606.17972v1
• Date: Tue, 16 Jun 2026 14:27:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.477887
• Title: SegDINO: Introducing Multi-Scale Structure into DINO for Efficient Medical Image Segmentation
• Title（参考訳）: SegDino: 効率的な医用画像分割のためのDINOへのマルチスケール構造の導入
• Authors: Sicheng Yang, Hongqiu Wang, Zhaohu Xing, Sixiang Chen, Qiuxia Yang, Yize Mao, Guang Yang, Lei Zhu,
• Abstract要約: DINOv3バックボーンと軽量スケールモデリングを統合した,効率的なセグメンテーションフレームワークであるSegDINOを提案する。 SegDINO Token Pyramid Adaptation (TPA)は、中間DINO機能を擬似マルチスケール階層に再編成し、SAD(Scale-Aware Decoding)は、効率的なスケール内精細化とトップダウン伝播を実現する。 また,SegDinoの難治性小病変に対する治療能力を評価するため,SegDinoの膵腫瘍患者284名を含む新しいCTデータセットであるPanCTをキュレートした。
• 参考スコア（独自算出の注目度）: 26.943330198024984
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-supervised DINO models provide strong transferable visual representations, yet applying them directly to image segmentation remains challenging. Existing approaches commonly rely on heavy decoders with complex upsampling, introducing substantial parameter and computational overhead. We observe that introducing scale into DINO features is far more critical than increasing decoder capacity. In this work, we present SegDINO, an efficient segmentation framework that integrates a DINOv3 backbone with lightweight scale modeling. SegDINO introduces Token Pyramid Adaptation (TPA) to reorganize intermediate DINO features into a pseudo multi-scale hierarchy, and Scale-Aware Decoding (SAD) for efficient intra-scale refinement and top-down multi-scale propagation. We further curate PanCT, a new CT dataset containing 284 patients with expert-annotated pancreatic tumors, to assess SegDINO's ability to handle difficult small-lesion cases. Extensive experiments on PanCT and three public benchmarks demonstrate that SegDINO achieves state-of-the-art results with high efficiency. The code is available at https://github.com/script-Yang/segdino_v2.
• Abstract（参考訳）: 自己教師付きDINOモデルは、強力な転送可能な視覚表現を提供するが、イメージセグメンテーションに直接適用することは困難である。 既存のアプローチは、複雑なアップサンプリングを持つ重いデコーダに依存しており、かなりのパラメータと計算オーバーヘッドを導入している。 我々はDINO機能へのスケール導入がデコーダ容量の増加よりもはるかに重要であることを観察した。 本稿では,DINOv3バックボーンと軽量スケールモデリングを統合した効率的なセグメンテーションフレームワークであるSegDINOを紹介する。 SegDINOは、中間DINO機能を擬似マルチスケール階層に再構成するためにToken Pyramid Adaptation (TPA)を導入し、スケール・アウェア・デコーディング(SAD)を効率よくスケール内改良とトップダウンマルチスケールの伝搬のために導入した。 また,SegDinoの難治性小病変に対する治療能力を評価するため,SegDinoの膵腫瘍患者284名を含む新しいCTデータセットであるPanCTをキュレートした。 PanCTと3つの公開ベンチマークに関する大規模な実験は、SegDINOが最先端の結果を高い効率で達成していることを示している。 コードはhttps://github.com/script-Yang/segdino_v2.comで公開されている。

関連論文リスト

• MedPruner: Training-Free Hierarchical Token Pruning for Efficient 3D Medical Image Understanding in Vision-Language Models [59.180043227905294]
  MedPrunerは、3次元医用画像の効率的な理解のためのトレーニング不要でモデルに依存しない階層的トークンプレーニングフレームワークである。 我々は、MedPrunerによって、MedGemmaのようなモデルが元の性能を維持したり、超えたりすることが可能であり、ビジュアルトークンの5%以下を維持していることを示す。
  論文  参考訳（メタデータ） (2026-03-12T07:37:00Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• DB-MSMUNet:Dual Branch Multi-scale Mamba UNet for Pancreatic CT Scans Segmentation [10.212866516862013]
  本稿では, 堅牢な膵管分割のために設計された新しいエンコーダデコーダアーキテクチャであるDB-MSMUNetを提案する。 膵臓データセット,NIHデータセット,臨床膵腫瘍データセットの3つのデータセットについて広範な実験を行った。 DB-MSMUNetは、89.47%、87.59%、89.02%のDice類似係数を達成し、既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2026-01-08T07:41:37Z)
• SegDINO: An Efficient Design for Medical and Natural Image Segmentation with DINO-V3 [26.828325356769437]
  SegDINOは、凍結したDINOv3バックボーンと軽量デコーダを結合する効率的なセグメンテーションフレームワークである。 SegDINOは、既存の方法と比較して、最先端のパフォーマンスを一貫して達成している。
  論文  参考訳（メタデータ） (2025-08-31T13:06:37Z)
• MSA-UNet3+: Multi-Scale Attention UNet3+ with New Supervised Prototypical Contrastive Loss for Coronary DSA Image Segmentation [8.850534640462081]
  冠状DSA画像のセグメンテーションを高めるために,教師付きおよび原型的コントラスト学習を融合させるスーパービジョン型コントラスト損失を提案する。 MSA-UNet3+: Multi-Scale Attention-Enhanced UNet3+アーキテクチャで提案したSPCL損失を実装した。 プライベート冠DSAデータセットの実験では、MSA-UNet3+が最先端の手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2025-04-07T15:35:30Z)
• MOSformer: Momentum encoder-based inter-slice fusion transformer for medical image segmentation [10.17757702972375]
  この問題を解決するために,新しいモーメントエンコーダを用いたスライス間核融合トランス (MOSformer) を提案する。 MOSformerは3つのベンチマークデータセット(Synapse、ACDC、AMOS)で評価され、それぞれ85.63%、92.19%、85.43%の新たな最先端のDSCを実現している。
  論文  参考訳（メタデータ） (2024-01-22T11:25:59Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Multi-scale Hierarchical Vision Transformer with Cascaded Attention Decoding for Medical Image Segmentation [8.530680502975095]
  マルチスケール階層型VIsion Transformer (MERIT) バックボーンネットワークを導入し、SAを複数スケールで計算することでモデルの一般化性を向上させる。 注意に基づくデコーダCASCADE(Cascaded Attention Decoding)も組み込んで,MERITが生成するマルチステージ機能をさらに改良する。
  論文  参考訳（メタデータ） (2023-03-29T17:58:40Z)
• UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
  本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。 我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。 Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
  論文  参考訳（メタデータ） (2022-12-08T18:59:57Z)
• Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
  本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。 提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。 検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
  論文  参考訳（メタデータ） (2020-06-25T21:10:04Z)

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。