論文の概要: Open-Ended CT Volume Segmentation with Weak Supervision from Language

• arxiv url: http://arxiv.org/abs/2607.25860v1
• Date: Tue, 28 Jul 2026 15:29:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.899531
• Title: Open-Ended CT Volume Segmentation with Weak Supervision from Language
• Title（参考訳）: 言語からの弱視によるオープンエンディングCTボリュームセグメンテーション
• Authors: Sanjay Subramanian, Junwei Yu, Zirui Wang, Rohil Malpani, Maggie Chung, Adam Yala, Dan Klein, Trevor Darrell,
• Abstract要約: 本稿では, ボクセルレベルの監視と粗大だがスケーラブルなスライスレベルの監視を組み合わせたCTスキャンのためのテキスト条件分割モデルの訓練手法を提案する。 我々は,強ラベル付きデータによる標準的なセグメンテーション損失と,抽出された弱監督によるスライスレベルの分類損失を伴って,汎用2次元画像セグメンテーションモデルSAM3を微調整する。 ReXGroundingCTデータセットを用いた結果から,完全ラベル付き巻数1000の場合には8%,完全ラベル付き巻数250の場合には22%に向上した。
• 参考スコア（独自算出の注目度）: 60.690380060745134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a method for training a text-conditioned segmentation model for CT scans, which combines voxel-level supervision with coarse but scalable slice-level supervision from reports. We extract, from a large database of scan-report pairs, descriptions of findings with indices of slices where those findings occur. We then finetune a general-purpose 2D image segmentation model, SAM3, with standard segmentation losses from strongly labeled data and with a slice-level classification loss from the extracted weak supervision. Our results on the ReXGroundingCT dataset illustrate that this strategy improves the segmentation dice score: from an 8% relative gain when there are 1000 fully labeled volumes to 22% when there are 250 fully labeled volumes.
• Abstract（参考訳）: 本稿では, ボクセルレベルの監視と粗大だがスケーラブルなスライスレベルの監視を組み合わせたCTスキャンのためのテキスト条件分割モデルの訓練手法を提案する。 我々は,スキャン-レポートペアの大規模なデータベースから,スライスを指標とした結果の記述を抽出する。 次に、強ラベル付きデータによる標準的な分割損失と、抽出された弱監督によるスライスレベルの分類損失を伴って、汎用2次元画像分割モデルSAM3を微調整する。 ReXGroundingCTデータセットを用いた結果から,完全ラベル付き巻数1000の場合には8%,完全ラベル付き巻数250の場合には22%に向上した。

関連論文リスト

• Automatic Segmentation of 3D CT scans with SAM2 using a zero-shot approach [0.0]
  本研究では,容積CTデータの自動区分けにSegment Anything Model 2 (SAM2) のゼロショット使用について検討する。 SAM2の映像ベースのメモリ機構をCTスライスを順序付きシーケンスとして扱うことで3次元データに適応させる,推論アローンのアーキテクチャおよび手続き的な修正セットを提案する。 これらの結果から, SAM2は凍結重量であっても, 推論パイプラインが慎重に構成されている場合, コヒーレントな3次元セグメンテーションを生成できることが示唆された。
  論文  参考訳（メタデータ） (2026-03-24T12:10:52Z)
• Unsupervised Semantic Segmentation in Synchrotron Computed Tomography with Self-Correcting Pseudo Labels [2.3100447881717345]
  ディープラーニングは、さまざまなデータ駆動ソリューションを提供する強力なツールとして登場した。 本稿では,大規模で高解像度なSR-CTデータセットの自動セグメンテーションを可能にする新しいフレームワークを提案する。 提案手法は,基本となる擬似ラベルに対して,画素精度とmIoUをそれぞれ13.31%,mIoUを15.94%向上させる。
  論文  参考訳（メタデータ） (2026-02-27T23:15:41Z)
• Opportunistic Promptable Segmentation: Leveraging Routine Radiological Annotations to Guide 3D CT Lesion Segmentation [4.014618722322392]
  臨床画像アーカイブ・通信システム(PACS)では大量のCT画像と報告が容易に利用可能である クリティカルな発見の3Dセグメンテーションは、一般的には放射線技師による広範囲な手作業による注釈を必要とする。 スパースアノテーションをCTボリュームの3次元セグメンテーションに変換するために設計された,最初のプロンプト可能なセグメンテーションモデルを提案する。
  論文  参考訳（メタデータ） (2026-01-30T20:59:53Z)
• ReXGroundingCT: A 3D Chest CT Dataset for Segmentation of Findings from Free-Text Reports [23.716614736159034]
  ReXGroundingCTは,胸部CTスキャンにおいて,自由テキスト所見とピクセルレベルの3Dセグメンテーションをリンクする最初の公開データセットである。 データセットには、CT-RATEの標準化された放射線学レポートと組み合わせた3,142個の非コントラスト胸部CTスキャンが含まれている。 約79%が焦点異常、21%が非焦点性である。
  論文  参考訳（メタデータ） (2025-07-29T17:27:15Z)
• Inflation of test accuracy due to data leakage in deep learning-based classification of OCT images [0.0]
  本研究では,2つの分類課題に対して,不適切なデータセット分割がモデル評価に及ぼす影響を実証した。 その結果,不適切な分割を伴うデータセット上で実験したモデルに対して,分類精度は3.9～26パーセント向上した。
  論文  参考訳（メタデータ） (2022-02-21T14:08:42Z)
• Clustering by Maximizing Mutual Information Across Views [62.21716612888669]
  本稿では,共同表現学習とクラスタリングを組み合わせた画像クラスタリングのための新しいフレームワークを提案する。 提案手法は,様々な画像データセットにおける最先端の単一ステージクラスタリング手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-24T15:36:49Z)
• Large-scale Unsupervised Semantic Segmentation [163.3568726730319]
  本稿では, 大規模無教師付きセマンティックセマンティックセグメンテーション (LUSS) の新たな課題を提案する。 ImageNetデータセットに基づいて、120万のトレーニング画像と40万の高品質なセマンティックセグメンテーションアノテーションを用いた画像Net-Sデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-06T15:02:11Z)
• Towards Unbiased COVID-19 Lesion Localisation and Segmentation via Weakly Supervised Learning [66.36706284671291]
  本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。 このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
  論文  参考訳（メタデータ） (2021-03-01T06:05:49Z)
• Towards Robust Partially Supervised Multi-Structure Medical Image Segmentation on Small-Scale Data [123.03252888189546]
  データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。 マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。 本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
  論文  参考訳（メタデータ） (2020-11-28T16:31:00Z)
• Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
  病理組織像における腺分節に対するPRS2モデルを提案する。 このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。 我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
  論文  参考訳（メタデータ） (2020-08-06T15:02:38Z)

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。