論文の概要: Towards Voxel Spacing Consistency for Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2606.31839v1
• Date: Tue, 30 Jun 2026 15:42:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.290095
• Title: Towards Voxel Spacing Consistency for Medical Image Segmentation
• Title（参考訳）: 医用画像セグメンテーションのためのVoxelスペーシング整合性を目指して
• Abstract要約: 画像再サンプリングとセグメンテーションの相関について検討し,意味認識型再サンプリングフレームワークであるConsispaceを提案する。 コンシスペースは、解剖学的および意味的一貫性を維持しながら、軸方向における一貫したボクセル間隔を達成する。
• 参考スコア（独自算出の注目度）: 56.992050146446495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Volumetric medical image segmentation is essential for both preoperative diagnosis and intraoperative guidance. While recent years have witnessed rapid progress in segmentation architectures, comparatively little attention is paid to the physical voxel spacing of anatomical data. Indeed, volumetric image resampling is a ubiquitous preprocessing step before segmentation, yet its interaction with downstream segmentation has not been systematically exploited. In this work, we study the correlation between image resampling and segmentation, and propose Consispace, a semantic-aware resampling framework that achieves consistent voxel spacing in the axial direction while preserving anatomical and semantic consistency. Consispace introduces an ODE-based anatomical constraint to model inter-slice dynamics with a continuous interpolator, enabling faithful reconstruction under complex anatomical transitions beyond discrete interpolation. To further couple resampling with segmentation objectives, we leverage dense features from a pretrained vision model to build intra-slice semantic correlation maps and inject class-wise semantic consistency via feature reweighting during resampling. Both intra-slice and inter-slice constraints are integrated into an implicit neural network, supporting arbitrary-scale resampling. Extensive experiments on multiple datasets demonstrate that Consispace achieves superior reconstruction quality and perceptual fidelity, produces smoother inter-slice anatomy, and improves downstream segmentation performance when used as a preprocessing step.
• Abstract（参考訳）: 術前診断と術中指導には, ボリューム医用画像分割が不可欠である。 近年、セグメンテーションアーキテクチャの急速な進歩が見られたが、解剖学的データの物理的ボクセル間隔にはほとんど注意が払われていない。 実際、ボリューム画像再サンプリングはセグメンテーションの前にユビキタスな前処理ステップであるが、下流セグメンテーションとの相互作用は体系的に利用されていない。 本研究では,画像再サンプリングとセグメンテーションの相関関係について検討し,解剖学的・セグメンテーションの整合性を維持しつつ,軸方向に一貫したボクセル間隔を実現するセマンティック・アウェア・リサンプリング・フレームワークであるConsispaceを提案する。 コンシスペースは、連続補間器を用いてスライス間力学をモデル化するためのODEベースの解剖学的制約を導入し、離散補間を超えた複雑な解剖学的遷移の下で忠実な再構築を可能にする。 セグメンテーションの目的を補足するために、事前学習された視覚モデルからの密集した特徴を活用して、スライス内意味相関マップを構築し、再サンプリング中の特徴の重み付けによるクラスワイズ意味の一貫性を注入する。 スライス内とスライス間の両方の制約は暗黙のニューラルネットワークに統合され、任意のスケールの再サンプリングをサポートする。 複数のデータセットに対する大規模な実験により、Consispaceはより優れた再構築品質と知覚的忠実性を実現し、スムーズなスライス間解剖を発生させ、前処理ステップとして使用した場合の下流セグメンテーション性能を向上させることが示されている。

関連論文リスト

• CoInS-Net: A Continuous Position-Aware Network for Joint Medical Image Interpolation and Segmentation [8.415835019440769]
  本稿では,CoInS-Netと呼ばれる連続的な位置連続性相互作用ネットワークを提案する。 プロトタイプベースのタスク相互相互作用モジュールは、セグメント化とブランチがグローバル構造を交換することを可能にする。 マルチスケールタスク協調デコーダは、各スケールを共有およびタスク固有のコンポーネントに分離するので、2つのタスクは共通の解剖を補強する。
  論文  参考訳（メタデータ） (2026-08-10T10:19:16Z)
• AuricularWorld: Hierarchical Action-Guided World Modeling for Fine-Grained Auricular Structure Segmentation from CT Scans [4.139833999494916]
  本稿では,反復的解剖学的推論を可能にする世界モデルに基づくセグメンテーションフレームワークを提案する。 提案手法は連続的にセグメンテーション精度を向上し,HD95を小さく,不規則かつ重なり合う耳介構造に対して43%以上削減することを示した。
  論文  参考訳（メタデータ） (2026-07-30T16:38:30Z)
• SLIP: Segmentation with Low-latency Interactive Prompting for 3D Medical Images [58.57521567704563]
  本稿では,対話型3次元医用画像セグメンテーションのためのエンドツーエンドのトレーニング可能なフレームワークSLIPを提案する。 画像表現と対話的推論を分離することにより、SLIPは相互作用の遅延を大幅に低減する。 SLIPは、13のパブリックデータセットにわたるSOTAインタラクティブセグメンテーション性能を達成する。
  論文  参考訳（メタデータ） (2026-07-24T14:12:02Z)
• Cross-Domain Vessel Segmentation via Latent Similarity Mining and Iterative Co-Optimization [25.50657242704898]
  ドメイン間の潜伏血管類似性を生かした新しいドメイン転送フレームワークを提案する。 我々は,分割ネットワークと生成モデルが相互最適化を行う反復的改良戦略を開発する。 実験により, クロスドメイン網膜血管セグメンテーションの最先端性能が得られた。
  論文  参考訳（メタデータ） (2026-04-02T02:55:30Z)
• Contour-Guided Query-Based Feature Fusion for Boundary-Aware and Generalizable Cardiac Ultrasound Segmentation [6.121346238869986]
  本稿では,境界対応心エコー区分けのためのコンター型クエリリファインメントネットワーク(CGQR-Net)を提案する。 このフレームワークは、マルチレゾリューション特徴表現と輪郭から派生した構造的事前情報を統合する。 その結果, セグメンテーション精度の向上, 境界精度の向上, 様々な撮像条件におけるロバスト性能が得られた。
  論文  参考訳（メタデータ） (2026-03-30T07:17:40Z)
• Prior-AttUNet: Retinal OCT Fluid Segmentation Based on Normal Anatomical Priors and Attention Gating [6.013762133627291]
  本研究は, 生成解剖学的先行を付加したセグメンテーションモデルである Pre-AttUNet を紹介する。 このフレームワークは、生成前の経路とセグメンテーションネットワークを統合するハイブリッドなデュアルパスアーキテクチャを採用している。 このモデルは計算コストが 0.37 TFLOPs で、セグメント精度と推論効率の効果的なバランスを保っている。
  論文  参考訳（メタデータ） (2025-12-25T14:37:04Z)
• Coordinative Learning with Ordinal and Relational Priors for Volumetric Medical Image Segmentation [3.0458514384586404]
  ボリューム画像の局所的構造と大域的構造の両方を捉えるために,コーディネーティブ・オーディショナル・リレーショナル・解剖学学習を提案する。 コーラルは、連続解剖学的類似性を活用するために、対照的なランク付けの目的を用いる。 コーラルは、学習した特徴分布と患者間での標準的な解剖学的進行を整合させ、グローバルな方向性整合を強制する順序的目的を取り入れている。
  論文  参考訳（メタデータ） (2025-11-14T13:11:58Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Simultaneous Bone and Shadow Segmentation Network using Task Correspondence Consistency [60.378180265885945]
  骨と影の同時分割のための共有トランスフォーマベースエンコーダとタスク独立デコーダを備えた単一エンドツーエンドネットワークを提案する。 また,骨表面とそれに対応する影の相互依存性を利用してセグメンテーションを改良する対応整合損失も導入する。
  論文  参考訳（メタデータ） (2022-06-16T22:37:05Z)
• Spatially Dependent U-Nets: Highly Accurate Architectures for Medical Imaging Segmentation [10.77039660100327]
  解剖学的構造に固有の空間的コヒーレンスを利用する新しいディープニューラルネットワークアーキテクチャを紹介します。 提案手法は,分割画素/ボクセル空間における長距離空間依存性を捉えるのに有効である。 本手法は一般的に使用されるU-NetおよびU-Net++アーキテクチャに好適に作用する。
  論文  参考訳（メタデータ） (2021-03-22T10:37:20Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。