論文の概要: Intracranial Aneurysm Classification and Segmentation via Tri-Axial ROI and Multi-Task Learning

• arxiv url: http://arxiv.org/abs/2606.26706v1
• Date: Thu, 25 Jun 2026 07:35:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.194044
• Title: Intracranial Aneurysm Classification and Segmentation via Tri-Axial ROI and Multi-Task Learning
• Title（参考訳）: 3軸ROIとマルチタスク学習による頭蓋内大動脈瘤の分類と分節
• Abstract要約: 頭蓋内動脈瘤はしばしば破裂するまで無症候性であり、死亡率が高い。 マルチラベル分類,マルチクラス大動脈瘤セグメンテーション,マルチクラス血管セグメンテーションを同時に行うマルチタスクフレームワークを提案する。 我々の2倍のアンサンブルは、RSNA 2025の頭蓋内動脈瘤検出チャレンジで2位となった。
• 参考スコア（独自算出の注目度）: 22.134113900302967
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intracranial aneurysms are often asymptomatic until rupture, which carries high mortality. Rupture risk assessment and treatment planning depend on both aneurysm morphology and anatomical location, yet existing automated methods remain limited to binary detection without fine-grained anatomical classification or multi-class segmentation. We present a multi-task framework that simultaneously performs multi-label classification, multi-class aneurysm segmentation, and multi-class vessel segmentation across 13 anatomical locations and four imaging modalities (CTA, MRA, T2, T1-post). Our two-stage approach combines a fast 2D tri-axial Region of Interest (ROI) extraction method with a 3D multi-task nnU-Net backbone. A dual-decoder design mitigates the extreme volume imbalance between aneurysm and vessel classes, while cross-attention pooling and modality-specific auxiliary heads improve feature learning across heterogeneous inputs. Our two-fold ensemble achieved 2nd place in the RSNA 2025 Intracranial Aneurysm Detection challenge. Code, model weights, and a 3D Slicer plugin are publicly available.
• Abstract（参考訳）: 頭蓋内動脈瘤はしばしば破裂するまで無症候性であり、死亡率が高い。 破裂リスク評価と治療計画は、大動脈瘤の形態と解剖学的位置の両方に依存しているが、既存の自動化方法は、微細な解剖学的分類やマルチクラスセグメンテーションを伴わないバイナリ検出に限られている。 解剖学的位置と4つの画像モダリティ(CTA, MRA, T2, T1-post)にまたがるマルチラベル分類, マルチクラス動脈瘤セグメンテーション, マルチクラス血管セグメンテーションを同時に行うマルチタスクフレームワークを提案する。 提案手法は,高速な2次元3軸干渉領域抽出法と3次元マルチタスクnnU-Netバックボーンを組み合わせる。 二重復号器の設計は、大動脈瘤と血管クラスの極端体積不均衡を緩和する一方、クロスアテンションプーリングとモダリティ特異的補助ヘッドは異種入力における特徴学習を改善する。 我々の2倍のアンサンブルは、RSNA 2025の頭蓋内動脈瘤検出チャレンジで2位となった。 コード、モデルウェイト、3D Slicerプラグインが公開されている。

関連論文リスト

• Multicentric thrombus segmentation using an attention-based recurrent network with gradual modality dropout [0.0]
  注意に基づく繰り返しセグメンテーションネットワーク(UpAttLLSTM)を結合する手法を提案する。 UpAttLLSTMは、リカレントユニット(2.5D)を介してコンテキストを集約し、アテンションゲートを使用して、利用可能なシーケンス間で補完的なキューを融合する。 単中心コホートでは,Diceスコア0.65の症例の90%以上でトロンビを検出する。 モダリティを欠いたマルチセンター環境では、Diceスコアで約0.35で80%の検知を実現している。
  論文  参考訳（メタデータ） (2026-04-01T12:25:00Z)
• Multi-View Deformable Convolution Meets Visual Mamba for Coronary Artery Segmentation [0.0]
  MDSVM-UNetは,新しい2段階冠動脈セグメンテーションフレームワークである。 符号化段階では、変形可能な畳み込みモジュールであるMDSConvを導入する。 復号段階では、RVMベースのアップサンプリングデコーダブロックを設計する。
  論文  参考訳（メタデータ） (2026-03-23T11:15:53Z)
• 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)
• Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
  AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。 本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
  論文  参考訳（メタデータ） (2025-02-07T21:09:05Z)
• Multi-task learning for joint weakly-supervised segmentation and aortic arch anomaly classification in fetal cardiac MRI [2.7962860265843563]
  3D Black blood T2w MRIによる胎児血管分割の自動化と異常分類のための枠組みを提案する。 右大動脈弓部,右大動脈弓部,大動脈解離の疑いを主訴に来院した。 実験の結果,提案した学習戦略はラベルの伝播と,伝播ラベルのみに特化して訓練されたネットワークを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-11-13T10:54:53Z)
• MMA-RNN: A Multi-level Multi-task Attention-based Recurrent Neural Network for Discrimination and Localization of Atrial Fibrillation [1.8037893225125925]
  本稿では,多段階マルチタスク・アテンションに基づくリカレントニューラルネットワークを提案する。 このモデルは、情報インタラクションを強化し、エラーの蓄積を減らすためのエンドツーエンドフレームワークとして設計されている。
  論文  参考訳（メタデータ） (2023-02-07T19:59:55Z)
• Dual Multi-scale Mean Teacher Network for Semi-supervised Infection Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
  CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。 現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。 既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
  論文  参考訳（メタデータ） (2022-11-10T13:11:21Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Weakly Supervised 3D Classification of Chest CT using Aggregated Multi-Resolution Deep Segmentation Features [5.938730586521215]
  CT画像の病巣分類は, 症例レベルのアノテーションが原因で, 局所性に乏しい。 マルチレゾリューション・セグメンテーション・フィーチャーマップを用いて学習した意味構造概念を活用する医療分類器を提案する。
  論文  参考訳（メタデータ） (2020-10-31T00:16:53Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)
• Unpaired Multi-modal Segmentation via Knowledge Distillation [77.39798870702174]
  本稿では,不対向画像分割のための新しい学習手法を提案する。 提案手法では,CTおよびMRI間での畳み込みカーネルの共有により,ネットワークパラメータを多用する。 我々は2つの多クラスセグメンテーション問題に対するアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2020-01-06T20:03:17Z)

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。