論文の概要: Frozen Brain-MRI Foundation Models Are Site Fingerprints

• arxiv url: http://arxiv.org/abs/2608.10295v1
• Date: Mon, 10 Aug 2026 23:03:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.834991
• Title: Frozen Brain-MRI Foundation Models Are Site Fingerprints
• Title（参考訳）: 凍結脳MRIの基礎モデルがサイト・フィンガープリントに
• Abstract要約: 凍結ファンデーションモデル埋め込みは、オフザシェルフ脳MRI表現としてますます使われている。 私たちは、彼らが実際にエンコードしたものを監査し、そのサイトが表現の大きな、本質的なコンポーネントであることに気付きます。 我々は,凍結脳MRI FM の使用とオープン監査ツールキットの公開を推奨する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Frozen foundation-model (FM) embeddings are increasingly used as off-the-shelf brain-MRI representations, on the assumption that they capture anatomy. We audit what they actually encode and find that acquisition site is a large, intrinsic component of the representation. Across two independent cohorts (ABIDE-I, ABIDE-II), three frozen 3-D encoders (brain-pretrained, CT-pretrained, and randomly initialized), and every network depth, site is linearly decodable at roughly 0.9 balanced accuracy at deep layers, exceeding the decodability of every clinical or demographic variable (sex, age, autism diagnosis) at every layer. The effect is intrinsic rather than learned: a randomly initialized encoder is already a ~0.9 site classifier on both cohorts and across three architecture families (Swin, ViT, ResNet), and site is decodable at ~0.95 directly from the raw downsampled image with no encoder, so the fingerprint reflects low-level image statistics that any encoder preserves rather than a product of pretraining. Residualizing measured population covariates leaves site decodability essentially unchanged, indicating an acquisition- rather than population-driven effect. A nonlinear probe matches the linear one, so the fingerprint is fully linearly accessible. The site subspace is removable post hoc by iterative null-space projection or ComBat (site decodability 0.94 -> 0.07/0.00), and is a site-attribution concern for shared or federated embeddings; but for dense segmentation this removal is not free, because site and anatomy occupy an entangled linear subspace (a matched-rank random-direction projection is Dice-neutral, whereas removing the site subspace is destructive). We recommend site-audited use of frozen brain-MRI FMs and release an open audit toolkit.
• Abstract（参考訳）: 凍結ファンデーションモデル (FM) の埋め込みは、解剖学を捉えていると仮定して、オフザシェルフの脳MRI表現として使われることが多い。 私たちは、彼らが実際にエンコードしたものを監査し、買収サイトが表現の大きな、本質的なコンポーネントであることに気付きました。 2つの独立したコホート(ABIDE-I, ABIDE-II)、凍結した3次元エンコーダ(脳予知、CT予知、ランダムに初期化)、およびネットワーク深さの全てのサイトは、ディープ層で約0.9のバランスの取れた精度で線形にデオード可能であり、各層におけるすべての臨床または統計学的変数(性別、年齢、自閉症診断)のデオード性を上回る。 ランダムに初期化されたエンコーダは、既にコホートと3つのアーキテクチャファミリ(Swin、ViT、ResNet)で~0.95のサイト分類器であり、そのサイトはエンコーダのない生のサンプル画像から直接~0.95でデオード可能であるため、指紋は任意のエンコーダが事前訓練の積ではなく保存する低レベルの画像統計を反映している。 測定された人口の余剰化は、人口主導的な効果ではなく、買収的な効果を示すように、サイト・デオードビリティを本質的に変化させる。 非線形プローブは線形プローブと一致するため、指紋は完全に線形アクセス可能である。 サイト部分空間は、反復的なヌル空間射影またはComBat(サイト陰極性0.94 -> 0.07/0.00)によって除去可能であり、共有またはフェデレートされた埋め込みに対するサイト帰属的な関心事であるが、密接なセグメンテーションでは、サイトと解剖が絡み合った線形部分空間を占有するので、この除去は自由ではない(一致したランダム方向射影はDice-neutralであるのに対して、サイト部分空間の除去は破壊的である)。 我々は,凍結脳MRI FM の使用とオープン監査ツールキットの公開を推奨する。

関連論文リスト

• ReMAP: Self-supervised learning to unveil brain representations and vulnerability [3.3233194140188687]
  全身麻酔は、標準化された制御された摂動の下で人間の脳を観察する稀な機会を提供する。 EEGは、ほとんど常に単一のプロプライエタリなディープインデックスに還元され、リッチな軌道を1つの数に分解する。 ここでは、その軌跡の幾何学が、到達した深さだけでなく、臨床的に意味のある情報を持っているかどうかを問う。
  論文  参考訳（メタデータ） (2026-08-22T17:09:49Z)
• Sparse Concept Channels in Frozen 3D CT Vision Encoders [3.9173955300197973]
  大規模な視覚言語モデルは、3D画像の解釈においてますます支配的になりつつある。 まず,3次元胸部視覚言語モデル(Pillar-0)を用いて,凍結した視覚埋め込みを探索した。 i) それぞれの放射線学的発見は, フル機能の分類性能に適合する10個の視覚エンコーダチャネルのスパース/i>セットで符号化されている。
  論文  参考訳（メタデータ） (2026-07-23T07:17:11Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• VoxShield: Protecting 3D Medical Datasets from Unauthorized Training via Frequency-Aware Inter-Slice Disruption [25.533159285300176]
  Unlearnable Examples (UE) は、効果的なモデル学習を防ぐために、知覚不能な摂動を注入することによって保護を提供する。 本稿では,3次元ネットワークの帰納バイアスを明示的に対象とするUEフレームワークであるVoxShieldを提案する。 BraTS19とFLARE21の実験では、VoxShieldが3Dセグメンテーション性能を低下させることに成功した。
  論文  参考訳（メタデータ） (2026-05-17T09:35:19Z)
• 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)
• Self-supervised learning for classifying paranasal anomalies in the maxillary sinus [31.45131665942058]
  自己教師付き学習は、ラベルのないデータから表現を学習するために使用することができる。 上顎洞の副鼻腔奇形を分類する下流タスクのために設計されたSSLメソッドはない。 提案手法では,教師なし異常検出フレームワークで訓練された3次元畳み込みオートエンコーダを用いる。
  論文  参考訳（メタデータ） (2024-04-29T11:14:11Z)
• Fighting the scanner effect in brain MRI segmentation with a progressive level-of-detail network trained on multi-site data [1.6379393441314491]
  LOD-Brainは3D畳み込みニューラルネットワークで、どの部位からでも脳データを分割できる。 最先端の結果を生成するが、内部サイトと外部サイトのパフォーマンスには大きな違いはない。 その移植性は、さまざまな医療機関、患者集団、画像技術製造業者に対して大規模な応用の道を開く。
  論文  参考訳（メタデータ） (2022-11-04T12:15:18Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• Adversarial Distortion Learning for Medical Image Denoising [43.53912137735094]
  本稿では,2次元および3次元(2D/3D)のバイオメディカル画像データから,新たな逆歪み学習法を提案する。 提案されたADLは2つの自動エンコーダで構成されている。 デノイザとディスクリミネータはどちらも、Efficient-Unetと呼ばれる自動エンコーダをベースとしている。
  論文  参考訳（メタデータ） (2022-04-29T13:47:39Z)
• FedMed-ATL: Misaligned Unpaired Brain Image Synthesis via Affine Transform Loss [58.58979566599889]
  脳画像合成のための新しい自己教師型学習(FedMed)を提案する。 アフィン変換損失(ATL)は、プライバシー法に違反することなく、ひどく歪んだ画像を使用するように定式化された。 提案手法は, 極めて不整合かつ不整合なデータ設定下での合成結果の品質の両方において, 高度な性能を示す。
  論文  参考訳（メタデータ） (2022-01-29T13:45:39Z)
• Localized Perturbations For Weakly-Supervised Segmentation of Glioma Brain Tumours [0.5801621787540266]
  本研究は,脳腫瘍のセグメンテーションマスクを事前訓練した3次元分類モデルから抽出するための,局所摂動を弱教師付きソリューションとして用いることを提案する。 また,U-netアーキテクチャを用いて,任意の分類において最も関連性の高い領域を見つけるために,3次元スーパーピクセルを利用する新しい摂動法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T21:01:20Z)
• 3-Dimensional Deep Learning with Spatial Erasing for Unsupervised Anomaly Segmentation in Brain MRI [55.97060983868787]
  我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。 本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。 入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
  論文  参考訳（メタデータ） (2021-09-14T09:17:27Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)

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。