論文の概要: Distilling Temporal Coherence into 2D Networks for Transrectal Ultrasound Prostate Video Segmentation

• arxiv url: http://arxiv.org/abs/2606.31198v1
• Date: Tue, 30 Jun 2026 06:27:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.102462
• Title: Distilling Temporal Coherence into 2D Networks for Transrectal Ultrasound Prostate Video Segmentation
• Title（参考訳）: 経直腸超音波前立腺ビデオセグメンテーションのための2次元ネットワークへの蒸留時間コヒーレンス
• Abstract要約: 経直腸超音波(TRUS)における前立腺のリアルタイムビデオセグメンテーションは画像誘導的介入に不可欠である。 本稿では,時間的コヒーレンスをトレーニング中に2次元ネットワークに蒸留する時間的一貫性学習フレームワークを提案する。 前立腺は幾何学的安定性を示し,周囲の音環境は生理的動きや振動子圧力によって変動する。
• 参考スコア（独自算出の注目度）: 2.65131397683555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Real-time video segmentation of the prostate in Transrectal Ultrasound (TRUS) is essential for image-guided interventions. While conventional 2D methods suffer from inter-frame inconsistencies by disregarding temporal context, 3D architectures incur prohibitive latency. To resolve this dilemma, we present a Temporally Consistent Learning Framework that distills temporal coherence into a 2D network during training, preserving single-frame inference efficiency. Our design is driven by a key clinical observation: the prostate exhibits geometric stability, whereas the surrounding acoustic environment fluctuates due to physiological motion and transducer pressure. Because conventional temporal constraints propagate erroneous gradients from these unstable regions, we introduce a Confidence-Weighted Temporal Consistency objective derived from optical flow warping residuals, selectively attenuating contributions from unreliable regions. Complementing this pixel-wise constraint, a Dual-scale Prototype Alignment Module enforces semantic coherence through contrastive optimization of local boundary and global semantic features. Furthermore, to eliminate the need for dense per-frame video annotations, we employ geometric equivariance-based pseudo-labeling with knowledge distillation from a pretrained teacher. Extensive experiments on SUN-SEG and our newly introduced TRUS-V benchmark (2,679 frames) demonstrate state-of-the-art accuracy and temporal consistency at real-time speed. Code and dataset are available at https://github.com/DYDevelop/DTC-TRUS.
• Abstract（参考訳）: 経直腸超音波(TRUS)における前立腺のリアルタイムビデオセグメンテーションは画像誘導的介入に不可欠である。 従来の2D手法は時間的コンテキストを無視してフレーム間の不整合に悩まされるが、3Dアーキテクチャは禁忌の遅延を引き起こす。 このジレンマを解決するために、トレーニング中に時間的コヒーレンスを2次元ネットワークに蒸留し、単フレーム推論効率を保ったテンポラリ一貫性学習フレームワークを提案する。 前立腺は幾何学的安定性を示し,周囲の音環境は生理的動きや振動子圧力によって変動する。 従来の時間的制約は、これらの不安定な領域からの誤った勾配を伝播するため、信頼できない領域からのコントリビューションを選択的に減らし、光学フローワープ残差から導かれる信頼度と時間的一貫性の目標を導入する。 このピクセルワイズ制約を補完するDual-scale Prototype Alignment Moduleは、局所境界とグローバルセマンティック特徴の対照的な最適化を通じてセマンティックコヒーレンスを強制する。 さらに,フレームごとの濃密なビデオアノテーションの必要性を解消するために,事前学習した教師からの知識蒸留による幾何等式に基づく擬似ラベルを用いた。 SUN-SEGと新たに導入されたTRUS-Vベンチマーク(2,679フレーム)の大規模な実験により、リアルタイムに最先端の精度と時間的一貫性を示す。 コードとデータセットはhttps://github.com/DYDevelop/DTC-TRUS.comで公開されている。

関連論文リスト

• Spatiotemporal Distillation via Recurrent Bottlenecks for Aortic Tracking [1.898768451389131]
  心循環を利用した知識蒸留フレームワークを提案する。 この枠組みは、空間教師の専門知識を時間的時間的学生ネットワークに蒸留する。 この戦略により、シネアテンポの学生モデルは、より優れた表面追跡精度を実現することができる。
  論文  参考訳（メタデータ） (2026-08-24T22:37:47Z)
• Where to Refine, When to Stop: Rethinking Redundancy via Latent Discrepancy for Efficient Visual Autoregressive Generation [50.139984798361375]
  遅延不一致による冗長性を除去する学習自由フレームワークを提案する。 LD-Pruningは、Infinity-8Bの最大2.35倍のスピードアップを実現し、高い生成品質を維持しながら推論を大幅に削減する。
  論文  参考訳（メタデータ） (2026-05-29T19:34:39Z)
• Towards Physically Consistent 4D Scene Reconstruction for Closed-loop Autonomous Driving Simulation [19.055975606481635]
  高忠実なストリートシーンの再構築は、エンドツーエンドの自動運転シミュレーションにおいて重要である。 既存の3DGSメソッドとその4D拡張は、両方を同時に達成できない。 空間的識別性を回復するための直交射影勾配(OPG)を提案する。
  論文  参考訳（メタデータ） (2026-05-20T11:09:53Z)
• Frames2Residual: Spatiotemporal Decoupling for Self-Supervised Video Denoising [28.397068445063724]
  フレーム間の時間的一貫性とフレーム内の空間的特異性を統合するのが困難である。 既存のビデオブラインド・スポットネットワーク(BSN)は中心画素をマスキングすることでノイズ独立性を必要とするため、この制約は空間的エビデンス回復のためのテクスチャの使用を妨げている。 視覚的時間的整合性モデリングと非視覚的空間的テクスチャ回復という,自己指導型トレーニングを2段階に分けたフレームワークであるロス2Residuals(F2R)を提案する。
  論文  参考訳（メタデータ） (2026-03-11T05:04:28Z)
• A Dual-Branch Framework for Semantic Change Detection with Boundary and Temporal Awareness [8.202209362704494]
  ANetと呼ばれる境界と時間認識による意味的変化検出のためのデュアルブランチフレームワークを提案する。 ANetはグローバルなセマンティクス、局所的な詳細、時間的推論、境界認識を統合し、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-12T00:54:22Z)
• Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
  時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。 形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。 均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。 TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
  論文  参考訳（メタデータ） (2026-02-10T14:13:36Z)
• Error-Propagation-Free Learned Video Compression With Dual-Domain Progressive Temporal Alignment [92.57576987521107]
  両ドメインのプログレッシブな時間的アライメントと品質条件の混合(QCMoE)を備えた新しい統合変換フレームワークを提案する。 QCMoEは、魅力的なR-Dパフォーマンスで連続的かつ一貫したレート制御を可能にする。 実験結果から,提案手法は最先端技術と比較して,競争力のあるR-D性能を実現することが示された。
  論文  参考訳（メタデータ） (2025-12-11T09:14:51Z)
• TARDis: Time Attenuated Representation Disentanglement for Incomplete Multi-Modal Tumor Segmentation and Classification [10.329406702659123]
  造影CT(Contrat-enhanced Computed Tomography)における腫瘍の分画と診断は,造影剤の生理的動態に大きく依存している。 既存のディープラーニングアプローチは、欠落した相を欠落した独立したチャネルとして扱い、血行動態の本質的な時間的連続性を無視している。 本稿では,連続時間短縮曲線の欠落点として欠落点を再定義する新しい物理認識フレームワークであるTime Attenuated Representation Disentanglement (TARDis)を提案する。
  論文  参考訳（メタデータ） (2025-12-04T08:44:50Z)
• Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
  既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。 拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。 LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
  論文  参考訳（メタデータ） (2025-11-11T08:40:28Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• A Differential Smoothness-based Compact-Dynamic Graph Convolutional Network for Spatiotemporal Signal Recovery [9.369246678101048]
  本稿では、時間的信号回復のためのコンパクト・フォールド・コングラフ・ネットワーク(CDCN)を提案する。 実世界のデータセットの実験では、CDCNは時間的信号回復の最先端モデルよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-08-06T06:42:53Z)
• Intrinsic Temporal Regularization for High-resolution Human Video Synthesis [59.54483950973432]
  時間整合性は、画像処理パイプラインをビデオドメインに拡張する上で重要である。 フレームジェネレーターを介して本質的信頼度マップを推定し,運動推定を調節する,本質的な時間正規化方式を提案する。 我々は、本質的な時間的規制をシングルイメージジェネレータに適用し、強力な「Internet」が512Times512$の人間のアクションビデオを生成します。
  論文  参考訳（メタデータ） (2020-12-11T05:29:45Z)

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。