論文の概要: YOLO-PVC: 2D-to-3D Consolidation of Slice-wise Detections for Volumetric Liver Tumor Localization in MRI

• arxiv url: http://arxiv.org/abs/2608.04642v1
• Date: Wed, 05 Aug 2026 10:00:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.816426
• Title: YOLO-PVC: 2D-to-3D Consolidation of Slice-wise Detections for Volumetric Liver Tumor Localization in MRI
• Title（参考訳）: YOLO-PVC : 2D-to-3DによるMRI肝腫瘍の体積局在診断
• Authors: Talha Waqas, Mounir Lahlouh, Kawther Taibouni, Mahnoor Waqas, Salar Ahmed, Sébastien Mulé, Yasmina Leroul-Chenoune,
• Abstract要約: 本稿では,2次元から3次元のスライス検出統合のための軽量かつモデルに依存しないフレームワークY-PVCを提案する。 3次元肝MRIボリュームの実験では、複数の凝集基線に対して一貫した改善が示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Slice-wise 2D object detectors are increasingly applied to volumetric data due to their computational efficiency and scalability, yet they often yield fragmented and unstable predictions along the depth axis. We propose YOLO-PVC, a lightweight and model-agnostic framework for 2D-to-3D consolidation of slice-wise detections. The method enforces depth continuity, aggregates bounding box coordinates using robust percentile statistics, and further refines axial extent through a lightweight MLP-based calibration module. Unlike naïve stacking or averaging strategies, YOLO-PVC explicitly addresses missing detections and outlier slices along the depth dimension. Experiments on 3D liver MRI volumes across three tumor categories demonstrate consistent improvements over multiple aggregation baselines. The heuristic PVC achieves an overall $\mathrm{IoU}_{3D}$ of $0.665$, while the calibrated variant further improves performance to $0.710$, with high planar overlap ($\mathrm{BEV\ IoU} \approx 0.78$). These results demonstrate that structured geometric consolidation provides an effective and practical solution for volumetric liver tumor localization in clinical MRI.
• Abstract（参考訳）: スライスワイズな2Dオブジェクト検出器は、計算効率とスケーラビリティのために体積データに適用されることが多いが、しばしば深度軸に沿って断片化され不安定な予測をもたらす。 本稿では,2次元から3次元のスライス検出統合のための軽量かつモデルに依存しないフレームワークであるYOLO-PVCを提案する。 この手法は、深さの連続性を強制し、頑健なパーセンタイル統計を用いてボックス座標を集約し、軽量なMDPベースのキャリブレーションモジュールにより軸方向の幅をさらに洗練する。 ナイーブの積み重ねや平均化戦略とは異なり、YOLO-PVCは深さ次元に沿って欠落した検出と外れ値スライスに明示的に対処する。 3つの腫瘍カテゴリにわたる3次元肝MRIボリュームの実験は、複数の凝集基線に対して一貫した改善を示した。 ヒューリスティックなPVCは全体の$\mathrm{IoU}_{3D}$の$0.665$を達成し、キャリブレーションされた変種はさらにパフォーマンスを0.710$に改善し、高い平面重なり(\mathrm{BEV\IoU} \approx 0.78$)。 以上の結果から, 構造的幾何凝縮は, 臨床MRIにおける体積肝腫瘍の局在化に有効かつ実用的な解決法であることが明らかとなった。

関連論文リスト

• Toward Training-Free Zero-Shot Anomaly Detection in 3D Medical Images: A Batch-Based Approach Using 2D Foundation Models [0.0]
  2次元基礎モデルを用いた3次元医用画像の異常検出のためのトレーニングフリーフレームワークCS3Fを提案する。 Anomaly scores are obtained from cross-ject mutual similarity. CS3Fは, 転移, グリオーマ, 脳卒中の脳MRIで評価し, 肺CTにて一般性試験を行った。
  論文  参考訳（メタデータ） (2026-06-17T06:52:07Z)
• D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
  欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。 提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
  論文  参考訳（メタデータ） (2026-05-21T09:55:42Z)
• MedPruner: Training-Free Hierarchical Token Pruning for Efficient 3D Medical Image Understanding in Vision-Language Models [59.180043227905294]
  MedPrunerは、3次元医用画像の効率的な理解のためのトレーニング不要でモデルに依存しない階層的トークンプレーニングフレームワークである。 我々は、MedPrunerによって、MedGemmaのようなモデルが元の性能を維持したり、超えたりすることが可能であり、ビジュアルトークンの5%以下を維持していることを示す。
  論文  参考訳（メタデータ） (2026-03-12T07:37:00Z)
• Tail-Aware Post-Training Quantization for 3D Geometry Models [58.79500829118265]
  ポストトレーニング量子化(PTQ)は、再トレーニングなしに効率的な推論を可能にする。 PTQは複雑な特徴分布と禁止キャリブレーションオーバーヘッドのために、3Dモデルに効果的に転送できない。 3次元幾何学学習のためのTail-Aware Post-Training Quantization PipelineであるTAPTQを提案する。
  論文  参考訳（メタデータ） (2026-02-02T07:21:15Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• Tracing 3D Anatomy in 2D Strokes: A Multi-Stage Projection Driven Approach to Cervical Spine Fracture Identification [6.060672815761177]
  本研究は,3次元CTボリュームにおける椎体レベル骨折検出のための2次元投射型椎体分割法の有効性について検討した。 全視野からYOLOv8モデルを用いて関心領域を同定し, 3次元頚椎領域を近似した。 DenseNet121-Unetベースのマルチラベルセグメンテーションは、分散およびエネルギーベースのプロジェクションを利用して、Diceスコア87.86パーセントを達成する。
  論文  参考訳（メタデータ） (2026-01-21T18:15:47Z)
• DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights [54.87947751720332]
  脳腫瘍の正確なセグメンテーションは、臨床診断と治療に重要である。 マンバを拠点とするState Space Modelsは、有望なパフォーマンスを示している。 本稿では,計算オーバーヘッドを最小限に抑えながら,マルチスケールの長距離依存関係をキャプチャするマルチ解像度双方向マンバを提案する。
  論文  参考訳（メタデータ） (2025-10-16T07:31:21Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Convolutional 3D to 2D Patch Conversion for Pixel-wise Glioma Segmentation in MRI Scans [22.60715394470069]
  畳み込み3Dから2次元MRパッチ変換モデルにより,新しい画素ワイドセグメンテーションフレームワークを考案する。 本アーキテクチャでは, 局所スライス特性とグローバルスライス特性を併用して, 中央ボクセルのクラスラベルを推定する。
  論文  参考訳（メタデータ） (2020-10-20T20:42:52Z)

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。