論文の概要: Pseudo-Text-Conditioned 3D Grounding DINO for Organ Localization in Abdominal CT

• arxiv url: http://arxiv.org/abs/2606.27084v1
• Date: Thu, 25 Jun 2026 14:22:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.319995
• Title: Pseudo-Text-Conditioned 3D Grounding DINO for Organ Localization in Abdominal CT
• Title（参考訳）: Pseudo Text-Conditioned 3D Grounding DINO による腹部CTの臓器局在の検討
• Abstract要約: CT-3GDINOは、Grounding-DINOスタイルのクエリベースのアーキテクチャを固定臓器の局在に適応させる軽量な3D検出器である。 193例のRSNA/RATIC CTボリュームにセグメンテーション由来のボックスを装着し,評価を行った。 最高のマルチスケールモデルは、スクラッチからトレーニングされ、3D IoUしきい値から0.1から0.7までの0.5830のトップ1クラスのmAPを達成する。
• 参考スコア（独自算出の注目度）: 7.596355174707472
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable organ localization in abdominal CT can provide spatial priors for downstream trauma analysis. We propose CT-3GDINO, a lightweight 3D detector that adapts a Grounding-DINO-style query-based architecture to fixed organ localization using frozen pseudo-text class tokens instead of a real text encoder. The model combines a Swin3D visual backbone, bidirectional feature enhancement, pseudo-text-guided query selection, and a cross-modality decoder to predict normalized 3D boxes for liver, spleen, left kidney, right kidney, and bowel. We train and evaluate on 193 matched RSNA/RATIC CT volumes with segmentation-derived boxes. The best multi-scale model, trained from scratch, achieves 0.5830 overall top-1 class-wise mAP over 3D IoU thresholds from 0.1 to 0.7, outperforming fixed- and trainable-backbone classification-pretrained variants with 0.5570 and 0.4657 mAP. Performance is strong for coarse localization, with 0.9649 AP at IoU 0.1, but remains limited for strict box alignment, with 0.1552 AP at IoU 0.7. These results establish CT-3GDINO as an open-source baseline for pseudo-text-conditioned 3D organ localization and motivate future work on localization-aware pretraining, richer multimodal conditioning, and injury-focused detection.
• Abstract（参考訳）: 腹部CTにおける臓器局在の信頼性は、下流の外傷解析に空間的先行性をもたらす可能性がある。 実テキストエンコーダの代わりに,凍結した擬似テキストクラストークンを用いて,グラウンドリングダイノスタイルのクエリーベースのアーキテクチャを固定臓器の局在に適応させる軽量な3D検出器CT-3GDINOを提案する。 このモデルは、肝臓、脾臓、左腎臓、右腎臓、腸の正常化3Dボックスを予測するためのSwin3D視覚バックボーン、双方向機能強化、擬似テキスト誘導クエリ選択、およびクロスモダリティデコーダを組み合わせている。 193例のRSNA/RATIC CTボリュームにセグメンテーション由来のボックスを装着し,評価を行った。 最高のマルチスケールモデルは、スクラッチから訓練され、3D IoU閾値を0.1から0.7まで上回り、0.5570と0.4657 mAPで、固定およびトレーニング可能なバックボーン分類の予測された変種よりも優れた0.5830のトップ-1クラスのmAPを達成している。 IoU 0.1では0.9649 AP、IoU 0.7では0.1552 APと厳格なボックスアライメントでは依然として制限されている。 これらの結果は,CT-3GDINOを擬似テキスト条件の3D臓器の局所化のためのオープンソースベースラインとして確立し,局所化を意識した事前トレーニング,よりリッチなマルチモーダルコンディショニング,傷害中心の検出といった今後の課題を動機づけるものである。

関連論文リスト

• Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography [75.7789001619107]
  ビジョン言語による事前トレーニングは、汎用医療AIにとって大きな可能性を秘めている。 3つの主要なコンポーネントを特徴とするフレームワークを提案する。 診断対応プロンプト戦略では、トレーニング前の推論ギャップを埋めるために、実際の臨床用語と集約された疾患プロトタイプを用いている。
  論文  参考訳（メタデータ） (2026-06-24T08:24:45Z)
• NEMESIS: Noise-suppressed Efficient MAE with Enhanced Superpatch Integration Strategy [8.72059799097543]
  本稿では,128x128x128スーパーパッチ上で動作するマスク付きオートエンコーダフレームワークNEMESISを提案する。 NEMESISのAUROCの平均値は0.9633であり、完全に微調整されたSuPreMとVoCoを上回っている。 スーパーパッチベースの設計は、フルボリュームベースラインの985.8 GFLOPに比べて、前方パス当たりの計算コストを31.0 GFLOPに削減する。
  論文  参考訳（メタデータ） (2026-04-02T04:48:25Z)
• Beyond the Embedding Bottleneck: Adaptive Retrieval-Augmented 3D CT Report Generation [10.885951167009694]
  3D CTは鑑別病理信号をエンコードするが, 重度濃度は高い。 この視覚的ボトルネックを補う適応的な拡張フレームワークである textbfAdaRAG-CT を提案する。 AdaRAG-CTは最先端の臨床効果を達成し、臨床F1を0.420(CT-Agent)から0.480(+6ポイント)に改善する
  論文  参考訳（メタデータ） (2026-03-16T18:56:14Z)
• A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on Whole-Body Diffusion-Weighted MRI (WB-DWI) [0.0]
  3DパッチをベースとしたResidual U-Netアーキテクチャに基づいた,ディープラーニングの自動パイプラインを開発した。 進行前立腺癌 (APC) と多発性骨髄腫 (MM) の532検体を含む多心性WB-DWIデータセットを用いた。 オートマチックとマニュアルフルボディのADCの相対的な中央値差は10%以下であった。 モデルはアトラスベース登録アルゴリズムの12倍高速であった。
  論文  参考訳（メタデータ） (2025-03-26T17:03:46Z)
• Towards Zero-shot 3D Anomaly Localization [58.62650061201283]
  3DzALは3D異常検出とローカライゼーションのためのパッチレベルの新しいコントラスト学習フレームワークである。 3DzALは最先端の異常検出および局所化性能より優れていることを示す。
  論文  参考訳（メタデータ） (2024-12-05T16:25:27Z)
• CT-GLIP: 3D Grounded Language-Image Pretraining with CT Scans and Radiology Reports for Full-Body Scenarios [53.94122089629544]
  我々は,CT-GLIP(Grounded Language- Image Pretraining with CT scans)を導入する。 本手法は,104臓器にわたる17,702症例を対象に,44,011例の臓器レベルの視覚テキストペアからなるマルチモーダルCTデータセットを用いて訓練し,自然言語を用いて臓器と異常をゼロショットで識別できることを実証した。
  論文  参考訳（メタデータ） (2024-04-23T17:59:01Z)
• Localized Perturbations For Weakly-Supervised Segmentation of Glioma Brain Tumours [0.5801621787540266]
  本研究は,脳腫瘍のセグメンテーションマスクを事前訓練した3次元分類モデルから抽出するための,局所摂動を弱教師付きソリューションとして用いることを提案する。 また,U-netアーキテクチャを用いて,任意の分類において最も関連性の高い領域を見つけるために,3次元スーパーピクセルを利用する新しい摂動法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T21:01:20Z)
• Delving into Localization Errors for Monocular 3D Object Detection [85.77319416168362]
  単眼画像から3Dバウンディングボックスを推定することは、自動運転に不可欠な要素です。 本研究では, 各サブタスクがもたらす影響を定量化し, 局所化誤差を求めることが, モノクロ3次元検出の抑制に欠かせない要因である。
  論文  参考訳（メタデータ） (2021-03-30T10:38:01Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。