論文の概要: Risk-Routed Implicit Boundary Refinement for Robust Ultrasound Image Segmentation

• arxiv url: http://arxiv.org/abs/2607.21787v1
• Date: Thu, 23 Jul 2026 20:07:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:56.994627
• Title: Risk-Routed Implicit Boundary Refinement for Robust Ultrasound Image Segmentation
• Title（参考訳）: ロバスト超音波画像分割法におけるリスク制御型インシシデント境界微細化
• Authors: Jingguo Qu, Xinyang Han, Xiang Wang, Yuqi Yang, Tonghuan Xiao, Sheng Ning, Jing Qin, Ann Dorothy King, Winnie Chiu-Wing Chu, Jing Cai, Michael Ying,
• Abstract要約: RIBRは、境界制限の暗黙的残差、リスクを減らした残差制御、および幾何学とスペックルを意識した境界正則化を組み合わせたものである。 リンパ節,乳腺病変,甲状腺結節,前立腺の9つの米国データセットの評価 これらの結果から,暗黙的残差学習は資源制約と境界感受性の米国セグメンテーションの実践的戦略であることが示唆された。
• 参考スコア（独自算出の注目度）: 18.131387259630262
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Medical ultrasound (US) image segmentation faces significant challenges due to speckle noise, low-contrast boundaries, acoustic shadowing, and acquisition variation across operators and clinical centers. Although encoder-decoder and transformer-based networks have achieved strong performance, many methods recover boundary details through dense decoders or larger backbones, which may still produce over-smoothed contours or unstable predictions under external distribution shifts. In this article, we propose Risk-routed Implicit Boundary Refinement (RIBR), a compact segmentation framework that uses implicit neural representation as a risk-routed residual correction rather than an unconstrained full-mask predictor. RIBR combines boundary-refinement implicit residuals, risk-routed residual control, and geometry- and speckle-aware boundary regularization to refine uncertain contours while suppressing non-boundary oscillations. Evaluation on nine US datasets covering lymph nodes, breast lesions, thyroid nodules, and prostate shows that RIBR achieves the best overall macro-average and consistently reduces boundary error across grouped and organ-specific comparisons under a compact parameter budget. These findings suggest that controlled implicit residual learning is a practical strategy for resource-constrained and boundary-sensitive US segmentation. Source code is available at https://github.com/jinggqu/ribr.
• Abstract（参考訳）: 医用超音波(US)画像セグメンテーションは、スペックルノイズ、低コントラスト境界、音響シャドーイング、オペレーターと臨床センター間での取得変動など、重大な課題に直面している。 エンコーダデコーダとトランスフォーマーベースのネットワークは高い性能を達成しているが、多くの手法は密度の高いデコーダや大きなバックボーンによって境界の詳細を復元する。 本稿では,非制約のフルマスク予測器ではなく,暗黙的ニューラル表現をリスク排除残差補正として用いる,コンパクトなセグメンテーションフレームワークであるRIBRを提案する。 RIBRは、非有界振動を抑えつつ不確定な輪郭を洗練させるために、境界制限の暗黙的残差、リスク低減残差制御、および幾何およびスペックル認識境界正則化を組み合わせる。 リンパ節,乳腺病変,甲状腺結節,前立腺を対象とする9つの米国データセットの評価は,RIBRがマクロ平均値の最高値を達成し,コンパクトなパラメータ予算の下での群別および臓器別比較における境界誤差を一貫して減少させることを示した。 これらの結果から,暗黙的残差学習は資源制約と境界感受性の米国セグメンテーションの実践的戦略であることが示唆された。 ソースコードはhttps://github.com/jinggqu/ribr.comで入手できる。

関連論文リスト

• Implicit Fuzzification via Bounded Noise Injection for Robust Medical Image Segmentation [2.9974998694295087]
  NoiseUNetは、有界な摂動をスキップ接続に注入し、クロススケールな機能融合を規則化する。 実験により、NossUNetはセグメンテーション精度とバウンダリ忠実度の両方を一貫して改善することが示された。
  論文  参考訳（メタデータ） (2026-06-03T04:17:15Z)
• Rate-optimal neural boundary detection from unlabeled noisy images [1.8620637029128548]
  統計的観点からラベル付き雑音画像の境界検出について検討した。 頑健なギブスの後部アプローチにより, 境界検出のための連続的なヒンジ型サロゲート損失を提案する。 提案した損失は勾配に基づく最適化に有効であり、複雑なオブジェクト境界を表現するためにディープニューラルネットワークと組み合わせることができる。
  論文  参考訳（メタデータ） (2026-05-30T12:58:09Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Volumetric Directional Diffusion: Anchoring Uncertainty Quantification in Anatomical Consensus for Ambiguous Medical Image Segmentation [9.649916323072434]
  Volumetric Directional Diffusion (VDD) は、生成軌跡を決定論的コンセンサスに数学的に固定する。 VDDは、トポロジカル崩壊を危険にさらすことなく、専門家の不一致に固有の微細な幾何学的変動を正確に探索する。 最終的に、VDDは、臨床医に解剖学的に一貫性のある不確実性マップを提供し、下流タスクにおけるより安全な意思決定とリスク軽減を可能にする。
  論文  参考訳（メタデータ） (2026-03-04T12:58:43Z)
• Conformal Risk Control for Non-Monotonic Losses [2.539337625174222]
  共形リスク制御は、誤発見を超えてリスク関数を制御するための共形予測の拡張である。 多次元パラメータを持つ非単調な損失に対して汎用アルゴリズムを適用したリスク制御保証を提案する。
  論文  参考訳（メタデータ） (2026-02-23T18:58:54Z)
• Uncertainty-Guided Coarse-to-Fine Tumor Segmentation with Anatomy-Aware Post-Processing [12.163563962576587]
  胸部CT検査では, 境界の曖昧さ, クラス不均衡, 解剖学的変動が原因で, 腫瘍の切除が困難である。 本報告では, 完全体積腫瘍局在化と高精細領域(ROI)セグメンテーションを併用した不確実性誘導粗いセグメンテーションフレームワークを提案する。 プライベートデータセットとパブリックデータセットの実験では、DiceとHausdorffのスコアが改善され、偽陽性が減り、空間的解釈性が向上した。
  論文  参考訳（メタデータ） (2025-04-16T16:08:38Z)
• 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)
• Bending Loss Regularized Network for Nuclei Segmentation in Histopathology Images [69.74667930907314]
  核分割のための曲げ損失正規化ネットワークを提案する。 提案した曲げ損失は、大きな曲率を持つ輪郭点に対する高い罰則を定義し、小さな曲率を持つ輪郭点に小さな罰則を適用する。 曲げ損失の最小化は、複数の核を含む輪郭の発生を避けることができる。
  論文  参考訳（メタデータ） (2020-02-03T21:20:50Z)

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。