論文の概要: DINO-3DRA: Leveraging 2D Foundation Model Semantics for 3D Cerebral Aneurysm Segmentation

• arxiv url: http://arxiv.org/abs/2608.07767v1
• Date: Fri, 07 Aug 2026 21:17:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.505683
• Title: DINO-3DRA: Leveraging 2D Foundation Model Semantics for 3D Cerebral Aneurysm Segmentation
• Title（参考訳）: DINO-3DRA:3次元脳動脈瘤セマンティクスのための2次元ファンデーションモデルセマンティクスの活用
• Authors: Jiayang Lu, Fengming Lin, Alejandro F. Frangi, Ali Sarrami-Foroushani,
• Abstract要約: 本稿では,DINO-3DRAを提案する。 マルチ中心3DRAデータでは、DINO-3DRAは5.72Mのトレーニング可能なパラメータしか持たない最先端の動脈瘤セグメンテーションを実現する。
• 参考スコア（独自算出の注目度）: 42.65813094687315
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate aneurysm segmentation in 3D rotational angiography (3DRA) is hindered by extreme class imbalance, morphological similarity to vessels, and absent large-scale 3D pretraining. 2D vision foundation models encode dense structural priors from 1.7 billion images, yet naïve slice-wise transfer fragments anatomical continuity and destabilises optimisation. We propose DINO-3DRA, a dual-path framework achieving effective cross-dimensional semantic transfer by injecting frozen DINOv3 features into a 3D U-Net backbone via Room-Lite spatial mixing and calibrated residual fusion. On multi-centre 3DRA data, DINO-3DRA achieves state-of-the-art aneurysm segmentation (Dice: 0.758; HD95: 2.75 mm; +13% over nnU-Net) with only 5.72M trainable parameters. Ablation studies confirm that gains arise from structured cross-dimensional transfer rather than loss design alone, with bridged foundation features improving anatomical continuity between aneurysms and parent vessels. Without fine-tuning on CADA and SHINY-ICARUS, DINO-3DRA eliminates all catastrophic failure cases observed in baseline architectures, demonstrating robust generalisation across heterogeneous imaging protocols.
• Abstract（参考訳）: 3次元回転血管造影(3DRA)における正確な動脈瘤の分節は, 極度の非バランス, 血管形態的類似性, 大規模3D前訓練の欠如によって妨げられる。 2Dビジョンファウンデーションモデルは、17億枚の画像から高密度の構造的先行を符号化するが、解剖学的連続性と安定化の最適化は、スライス・ワイズ・トランスファー・フラグメントを生み出す。 凍結したDINOv3特徴をRoom-Lite空間混合およびキャリブレーションされた残留核融合を介して3次元U-Netバックボーンに注入することにより、効果的な二次元意味伝達を実現するデュアルパスフレームワークであるDINO-3DRAを提案する。 マルチ中心3DRAデータでは、DINO-3DRAは5.72Mのトレーニング可能なパラメータしか持たない最先端の動脈瘤セグメンテーション(Dice: 0.758; HD95: 2.75 mm; +13% over nnU-Net)を達成する。 アブレーション研究は、損失設計だけでは無く、構造的相互移動によって得られることが確認され、橋渡し基盤は動脈瘤と親血管の解剖学的連続性を改善する。 CADAとShiNY-ICARUSを微調整することなく、DINO-3DRAはベースラインアーキテクチャで見られるすべての破滅的な障害を排除し、異種イメージングプロトコルをまたいだ堅牢な一般化を実証している。

関連論文リスト

• Reliability-Aware 3D Geometric Injection for Universal Person Re-identification [47.874819213762926]
  本稿では,一貫性を考慮した信頼性ゲートとDual-Stream Residual Fusionによって駆動されるUniversal Monocular 3D-Enhanced ReIDフレームワークを提案する。 本手法は,クリーンドメイン上での競合性能を維持しながら,難易度,構造に敏感なシナリオを改善する。
  論文  参考訳（メタデータ） (2026-07-21T08:54:25Z)
• HyDAR-Pano3D: A Hybrid Disentangled Anatomical Recovery Framework for Panoramic-to-3D Reconstruction [10.481519508246437]
  解剖学的回復問題としてPR-CBCT再構成を再構成する2段階フレームワークであるHyDAR-Pano3Dを提案する。 ステージ1では、デュアルエンコーダネットワークがSAM由来のセマンティックプリエントと放射線学的特徴を統合し、アーチ正規化された標準ボリュームを再構築する。 ステージ2では、解剖学的復元ネットワークが事前拘束された構造変形場を予測し、この標準体積をネイティブ空間にマッピングする。
  論文  参考訳（メタデータ） (2026-05-20T07:20:56Z)
• SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
  UAV VLNのための幾何学誘導空間表現フレームワークを提案する。 明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。 実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-22T03:56:58Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Two-and-a-half Order Score-based Model for Solving 3D Ill-posed Inverse Problems [7.074380879971194]
  本稿では,3次元ボリューム再構成のための2次半順序スコアベースモデル(TOSM)を提案する。 トレーニング期間中、TOSMは2次元空間のデータ分布を学習し、トレーニングの複雑さを低減する。 再構成フェーズでは、TOSMは3方向の相補的なスコアを利用して、3次元空間のデータ分布を更新する。
  論文  参考訳（メタデータ） (2023-08-16T17:07:40Z)
• JOTR: 3D Joint Contrastive Learning with Transformers for Occluded Human Mesh Recovery [84.67823511418334]
  本稿では,3次元メッシュ復元のためのTRansformersフレームワークを用いた3次元ジョイントコントラスト学習について述べる。 提案手法は,2D$&$3D対応結果を得るために,2Dおよび3D表現を融合するエンコーダ・デコーダ変換器アーキテクチャを含む。
  論文  参考訳（メタデータ） (2023-07-31T02:58:58Z)
• 3D Vessel Segmentation with Limited Guidance of 2D Structure-agnostic Vessel Annotations [3.6314292723682784]
  教師付き深層学習は、自動3次元血管分割において優れた能力を示している。 高価な3Dマニュアルアノテーションへの依存とアノテーションの再利用能力の制限は、教師付きモデルの臨床応用を妨げる。 本稿では,公共の2次元血管アノテーションによる限られた誘導の下での3次元血管分割のための新しい3次元形状誘導型局所識別モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-07T07:26:00Z)

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。