論文の概要: ASTRA-Net: Anatomy-Specific Transfer and Representation Alignment for Drug-Induced Sleep Endoscopy Segmentation

• arxiv url: http://arxiv.org/abs/2607.21370v1
• Date: Thu, 23 Jul 2026 14:37:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.44505
• Title: ASTRA-Net: Anatomy-Specific Transfer and Representation Alignment for Drug-Induced Sleep Endoscopy Segmentation
• Title（参考訳）: ASTRA-Net : 薬物誘発型睡眠内視鏡手術における解剖学的特異的移動と表現アライメント
• Abstract要約: 量的薬物誘発睡眠内視鏡(DISE)は、特定の解剖学的レベルにおいて、信頼性の高い気道境界を必要とする。 実アノテーションを限定した既知の平面disEセグメンテーションのためのASTRA-Netを開発した。 ASTRA-Netは、実際のアノテーションが制限されている場合、フレームレベル、平面固有のDIE境界記述をサポートすることができる。
• 参考スコア（独自算出の注目度）: 28.923055080999884
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantitative drug-induced sleep endoscopy (DISE) requires reliable airway boundaries at specific anatomical levels. Pixel-level DISE annotations are scarce, and manual contouring limits the scalability of quantitative assessment. To address this limitation, we developed ASTRA-Net for known-plane DISE segmentation with limited real annotations. Stage 1 aligned intermediate ConvNeXt-Base representations from 14,250 unlabeled virtual endoscopy frames derived from computed tomography and real DISE frames. Virtual images were used only for feature alignment. Stage 2 fine-tuned four independent UNet++ decoders on 401 real annotated frames. Structured zero-mask supervision constrained incompatible plane outputs and invalid frames. Six alignment configurations used maximum mean discrepancy, domain adversarial learning, or both objectives. On a hold-out evaluation set of 100 frames, the five-model MMD-only segmentation ensemble achieved a mean Dice of 0.8927, with a 95% image-level bootstrap interval of 0.8631 to 0.9160. The mean intersection over union was 0.8239. A classification- enabled variant of the same alignment configuration reached a restricted four-plane top-1 accuracy of 0.92 on the same hold-out frames. These results indicate that ASTRA-Net can support frame-level, plane-specific DISE boundary delineation when real annotations are limited.
• Abstract（参考訳）: 量的薬物誘発睡眠内視鏡(DISE)は、特定の解剖学的レベルにおいて、信頼性の高い気道境界を必要とする。 ピクセルレベルのDIEアノテーションは少なく、手作業によるコンツーリングは定量的アセスメントのスケーラビリティを制限する。 この制限に対処するため、実アノテーションを限定した既知の平面disEセグメンテーションのためのASTRA-Netを開発した。 ステージ1は、計算トモグラフィーと実際のdisEフレームから派生した14,250個のラベルのない仮想内視鏡フレームの中間ConvNeXt-Base表現である。 仮想イメージは機能アライメントにのみ使用された。 ステージ2は401の実際のアノテートフレーム上の4つの独立したUNet++デコーダを微調整した。 構造化ゼロマスク監督は、非互換な平面出力と無効フレームを制約した。 6つのアライメント構成は、最大平均差、ドメイン逆学習、または両方の目的を用いていた。 100フレームのホールドアウト評価セットでは、5モデルMDDのみのセグメンテーションアンサンブルの平均Diceは0.8927で、95%のイメージレベルのブートストラップ間隔は0.8631から0.9160であった。 組合間の平均交点は0.8239である。 同じアライメント構成の分類可能変種は、同じホールドアウトフレーム上で制限された4面のトップ-1精度0.92に達した。 これらの結果から,ASTRA-Netは実際のアノテーションが限定されている場合に,フレームレベル,平面特有のdisE境界記述をサポートできることが示唆された。

関連論文リスト

• Anatomical Grounding and Leakage-Aware Multimodal Contrastive Learning for Alzheimer's Disease Classification from Structural MRI [0.0]
  アルツハイマー病の構造MRIで訓練されたディープネットワークは、解剖学的に無関係な領域に到達しながら、妥当な精度に達することが多い。 我々は解剖学的参照としてFastSurferセグメンテーションを使用します。 私たちは、CLIPスタイルのイメージに適応し、ラベルリードスペクトルに沿ってADNIMERGE変数を整理する。
  論文  参考訳（メタデータ） (2026-09-14T17:13:12Z)
• Bridging Vision Foundation Model Priors with CLIP for Spatial-aware Few-shot Anomaly Detection in Medical Images [48.646448077284276]
  本研究では,数発の医用異常検出を効果的に行うためのフレームワークであるSpatial-FADを提案する。 VFM空間先行とCLIPセマンティクスを組み合わせることで病変の局在を改善する。 本手法は,Diceスコアが11.4%,AUCが1.8%以上の平均改善を実現している。
  論文  参考訳（メタデータ） (2026-09-11T05:21:01Z)
• TRACE-Bench: Decomposing and Diagnosing Multi-Reference Image Generation [74.69068352546073]
  TRACE-Benchは、多様な芸術的スタイルと現実世界の主題にまたがるマルチ参照画像の評価ツールである。 631の定式テンプレートと、様々な芸術様式と現実世界の主題にまたがる約4,000の参照画像で構成されている。 その公式構造は、演算子整合性評価プロトコルを駆動し、可視性スコアリングと診断木解析を行う。
  論文  参考訳（メタデータ） (2026-08-17T16:15:50Z)
• Disentangling Co-Occurring Retinal Pathologies with Saliency-Guided Sparse Expert Routing [3.332219204498619]
  本稿では,これをスパース条件計算によって解決する新しいアーキテクチャを提案する。 本研究は, 局所的な病変との整合性を示すとともに, 地理的に類似した症例を地図化したものである。
  論文  参考訳（メタデータ） (2026-08-10T15:43:43Z)
• Beyond Static Anchors: Bounded Prototype Conditioning for Language-Free Medical Anomaly Detection [52.986874008247554]
  本稿では,静的アンカーを入力条件付きビジュアルプロトタイプに置き換える言語フリーフレームワークReCAPを提案する。 ReCAPリセンターは、境界ゲート変調により、各画像の正常と異常なプロトタイプを分離した。 3つのセグメンテーションデータセットで最高のゼロショットレベルのAUROCと、24の複数ショット設定のうち23のゼロショットレベルのAUROCを達成する。
  論文  参考訳（メタデータ） (2026-08-01T04:46:55Z)
• Envisage: Diffusion-Based Rhinoplasty Goal Visualization with Mask-Decomposed Evaluation [0.0]
  局所的な生成編集には局所的な評価が必要である。 ローカライズされた編集では、顔認証のメトリクスではなく、編集領域の忠実度で進捗を測定する必要がある。
  論文  参考訳（メタデータ） (2026-06-26T22:13:20Z)
• FADA: Accessible fetal ultrasound interpretation and annotation with a selectively distilled unified vision-language model [6.088455449284066]
  低所得国と中所得国では、訓練されたソノグラフィーが世界的に不足しているため、出生前超音波検診は制限されている。 本稿では,Qwen3.5-VLをベースとした統合視覚言語モデルであるFADAについて述べる。
  論文  参考訳（メタデータ） (2026-06-09T17:03:37Z)
• Beyond Symmetric Alignment: Spectral Diagnostics of Modality Imbalance in Vision-Language Models in the Medical Domain [43.675927916974466]
  スペクトルアライメントスコア(SAS, Spectral Alignment Score)は、アンカーモダリティの主固有基底に両モードを投影し、固有値重み付き固有モード相関を計算する非対称な計量である。 実験の結果, 医用画像は2つの臨床報告よりもリッチな構造情報を保持しており, 競合するすべての指標には見えない方向非対称であり, SASは医療領域における検索性能と最強のゼロラベル相関を達成し, 臨床展開のための実用的な診断ツールとして位置づけていることがわかった。
  論文  参考訳（メタデータ） (2026-06-03T08:50:30Z)
• Interpretable Computer Vision for Defect Detection in X-ray Tomography of Aerospace SiC/SiC Composites [0.0]
  p-ResNet-50は、ケースベースの説明と高い検出精度を持つプロトタイプ層で拡張された畳み込みフレームワークである。 このフレームワークは4つの欠陥豊富なSiC/SiC実験片から抽出した約12,000のパッチのXCTパッチデータセット上で検証された。
  論文  参考訳（メタデータ） (2026-05-19T17:46:49Z)
• Ultrasound Vision-Language Alignment via Contrastive Learning [6.671265771425717]
  EchoCare-CLIPは、超音波画像と臨床テキストを共有埋め込み空間で整列するデュアルエンコーダコントラストフレームワークである。 2つのテキストエンコーダファミリー(CLIP, BioClinicalBERT)と2つのキャプション戦略(Template-based, LLM- generated)にまたがるモデル構成をOpenAI CLIPとBiomedCLIPベースラインに対して評価した。 トレーニングされたモデルでは,一対のアライメントスコア0.682の最適構成で,ベースラインのクロスモーダルアライメントを一貫して改善しています。
  論文  参考訳（メタデータ） (2026-05-04T01:12:45Z)
• Exploring Prompt Alignment with Clinical Factors in Zero-Shot Segmentation VLMs for NSCLC Tumor Segmentation [0.05597620745943382]
  ゼロショット視覚言語モデル (Zero-shot Vision-Language Model, VLMs) は、腫瘍容積のデライン化のためのタスク特化トレーニングに代わる、迅速な代替手段を提供する。 我々は,VoxTell内腫瘍データセットのアライメント方向について検討した。 アライメント分析により、解剖学的位置がVoxTellの空間的注意の主役であることが判明した。
  論文  参考訳（メタデータ） (2026-05-02T05:49:32Z)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• Instruction-Guided Lesion Segmentation for Chest X-rays with Automatically Generated Large-Scale Dataset [42.048522149687145]
  単純でユーザフレンドリーな命令に基づいて,多様な病変を分類するインストラクションガイド付き病変分割(ILS)を導入する。 本パラダイムでは,CXR病変分割のためのMIMIC-ILSを構築した。 MIMIC-ILSは、192K画像と91K独自のセグメンテーションマスクから派生した1.1Mのインストラクション・アンサー対を含み、7つの主要な病変をカバーしている。
  論文  参考訳（メタデータ） (2025-11-19T07:17:19Z)
• Affinity-Graph-Guided Contractive Learning for Pretext-Free Medical Image Segmentation with Minimal Annotation [55.325956390997]
  本稿では,医用画像セグメンテーションのための親和性グラフ誘導半教師付きコントラスト学習フレームワーク(Semi-AGCL)を提案する。 このフレームワークは、まず、ロバストな初期特徴空間を提供する平均パッチエントロピー駆動のパッチ間サンプリング法を設計する。 完全アノテーションセットの10%に過ぎず, 完全注釈付きベースラインの精度にアプローチし, 限界偏差は2.52%に過ぎなかった。
  論文  参考訳（メタデータ） (2024-10-14T10:44:47Z)
• TotalSegmentator MRI: Robust Sequence-independent Segmentation of Multiple Anatomic Structures in MRI [59.86827659781022]
  nnU-Netモデル(TotalSegmentator)をMRIおよび80原子構造で訓練した。 予測されたセグメンテーションと専門家基準セグメンテーションとの間には,ディススコアが算出され,モデル性能が評価された。 オープンソースで使いやすいモデルは、80構造の自動的で堅牢なセグメンテーションを可能にする。
  論文  参考訳（メタデータ） (2024-05-29T20:15:54Z)

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。