論文の概要: Dual-Domain Cross-Modal Decoding for Clinical Text-Guided Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2608.11335v1
• Date: Tue, 11 Aug 2026 18:40:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.334892
• Title: Dual-Domain Cross-Modal Decoding for Clinical Text-Guided Medical Image Segmentation
• Title（参考訳）: 臨床用テキストガイドによる医用画像分割のためのデュアルドメインクロスモーダルデコーディング
• Abstract要約: 臨床用テキスト誘導肺感染症セグメンテーションのためのDual-Domain Cross-Modal Decoding (DD-CMD)を提案する。 空間領域において、テキストガイド空間横断認識(TGSA)は、テキスト意味論とマルチスケール視覚トークンを整列する。 周波数領域において、スペクトルテキスト適応変調(STAM)は学習可能なバンドエネルギー統計を計算するために2次元DCTを適用する。
• 参考スコア（独自算出の注目度）: 14.605945836694458
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Clinical text can narrow down what to segment, but recent text-guided designs emphasize spatial alignment while overlooking frequency content that governs texture and boundaries. We propose Dual-Domain Cross-Modal Decoding (DD-CMD) for clinical text-guided pulmonary infection segmentation, integrating two complementary forms of language guidance during decoding. In the spatial domain, Text-Guided Spatial Cross-Attention (TGSA) aligns multi-scale visual tokens with text semantics and updates features through gated residual fusion. In the frequency domain, Spectral-Text Adaptive Modulation (STAM) applies a 2D DCT to compute learnable band-energy statistics and predicts text-conditioned FiLM parameters to recalibrate decoder channels for frequency-aware decoding. DD-CMD embeds TGSA and STAM into a coarse-to-fine decoder (7x7 to 56x56) and restores full-resolution masks using a lightweight two-stage refinement module. Experiments on QaTa-COV19 and MosMedData+ show that DD-CMD achieves 91.46% Dice / 84.26% mIoU and 81.95% Dice / 69.42% mIoU, respectively, with average gains of +1.96 Dice and +2.67 mIoU over the strongest prior baselines. Code: https://github.com/maklachur/DD-CMD.
• Abstract（参考訳）: 臨床テキストはセグメンテーションを絞り込むことができるが、最近のテキスト誘導デザインでは、テクスチャと境界を規定する周波数コンテンツを見下ろしながら、空間的アライメントを強調している。 臨床用テキスト誘導肺感染症セグメンテーションのためのDual-Domain Cross-Modal Decoding (DD-CMD) を提案する。 空間領域では、TGSA(Text-Guided Spatial Cross-Attention)はテキスト意味論とマルチスケールの視覚トークンを整列し、ゲートされた残留融合を通じて特徴を更新する。 周波数領域において、STAM(Spectral-Text Adaptive Modulation)は、2次元DCTを用いて学習可能なバンドエネルギー統計を計算し、テキスト条件のFiLMパラメータを予測し、周波数認識復号のためにデコーダチャネルを校正する。 DD-CMDはTGSAとSTAMを粗大なデコーダ(7x7から56x56)に埋め込み、軽量の2段リファインメントモジュールを用いてフル解像度マスクを復元する。 QaTa-COV19 と MosMedData+ の実験では、DD-CMD は 91.46% Dice / 84.26% mIoU と 81.95% Dice / 69.42% mIoU を達成した。 コード:https://github.com/maklachur/DD-CMD。

関連論文リスト

• LETT-NeXt: A Lightweight RECIST-Guided Model for 3D CT Lesion Segmentation [0.0]
  LETT-NeXtは、CTボリュームから3次元病変マスクを予測する軽量RECIST誘導モデルである。 コンパクトなMedNeXt-v2エンコーダ-デコーダは、病変マスクを予測し、その後、即時コンポーネント選択と適応型のAutoZoom推論を行う。
  論文  参考訳（メタデータ） (2026-06-29T10:44:51Z)
• Hierarchical Text-Guided Brain Tumor Segmentation via Sub-Region-Aware Prompts [50.36510050690281]
  TextBraTSは、TextBraTSベースライン上に3つの新しいコンポーネントで構築された階層的なテキスト誘導フレームワークである。 学習可能なソフトプロンプトをLoRA適応BioBERTエンコーダで使用するサブリージョン対応プロンプトチューニングでは,各サブリージョンに適した特殊なテキスト表現を生成する。 TextBraTSデータセットの実験では、DiceとHD95で、最先端のメソッドに対して、すべてのサブリージョンで1.7%と6%の一貫性のある改善が示されている。
  論文  参考訳（メタデータ） (2026-03-22T06:45:02Z)
• TGC-Net: A Structure-Aware and Semantically-Aligned Framework for Text-Guided Medical Image Segmentation [56.09179939570486]
  本稿では,パラメータ効率,タスク固有適応に着目したCLIPベースのフレームワークであるTGC-Netを提案する。 TGC-Netは、挑戦的なベンチマークで顕著なDiceゲインを含む、トレーニング可能なパラメータをかなり少なくして、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-12-24T12:06:26Z)
• QMaxViT-Unet+: A Query-Based MaxViT-Unet with Edge Enhancement for Scribble-Supervised Segmentation of Medical Images [0.0]
  医用画像分割のための新しいフレームワークQMaxViT-Unet+を提案する。 このフレームワークはU-Netアーキテクチャ上に構築されており、エンコーダとデコーダはMulti-Axis Vision Transformer (MaxViT)ブロックに置き換えられている。 提案したQMaxViT-Unet+は, 心構造, 大腸ポリープ, 乳癌に焦点を絞った4つの公開データセットで評価した。
  論文  参考訳（メタデータ） (2025-02-14T16:56:24Z)
• MulModSeg: Enhancing Unpaired Multi-Modal Medical Image Segmentation with Modality-Conditioned Text Embedding and Alternating Training [10.558275557142137]
  マルチモーダル(MulModSeg)戦略を提案する。 MulModSegは、凍結されたテキストエンコーダを介して、モダリティ条件付きテキスト埋め込みフレームワークを組み込んでいる。 腹部多臓器および心室サブ構造をCTとMRの両方で分画する従来の方法より一貫して優れていた。
  論文  参考訳（メタデータ） (2024-11-23T14:37:01Z)
• Unsupervised Modality Adaptation with Text-to-Image Diffusion Models for Semantic Segmentation [54.96563068182733]
  セグメンテーションタスクのためのテキスト・ツー・イメージ拡散モデル(MADM)を用いたモダリティ適応を提案する。 MADMは、広範囲な画像とテキストのペアで事前訓練されたテキストと画像の拡散モデルを使用して、モデルの相互モダリティ能力を向上する。 我々は,MADMが画像から深度,赤外線,イベントのモダリティといった様々なモダリティタスクにまたがって,最先端の適応性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-10-29T03:49:40Z)
• MDNet: Multi-Decoder Network for Abdominal CT Organs Segmentation [6.4987174473651725]
  臓器の形状,大きさ,複雑な解剖学的関係における異質性の課題に対処するためのtextbftextitacMDNetを提案する。 textitacMDNetは、トレーニング済みのtextitMiT-B2 をエンコーダと複数の異なるデコーダネットワークとして使用するエンコーダ-デコーダネットワークである。 textitacMDNetは、他のベースラインモデルよりも解釈可能で堅牢である。
  論文  参考訳（メタデータ） (2024-05-10T01:03:03Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• MS-MT: Multi-Scale Mean Teacher with Contrastive Unpaired Translation for Cross-Modality Vestibular Schwannoma and Cochlea Segmentation [11.100048696665496]
  教師なしドメイン適応(UDA)メソッドは、有望なクロスモダリティセグメンテーション性能を達成した。 本稿では,2つの重要な脳構造の自動分割のための,マルチスケールの自己組織化に基づくUDAフレームワークを提案する。 提案手法は,平均Diceスコアが83.8%,81.4%の有望なセグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2023-03-28T08:55:00Z)
• Fast-MD: Fast Multi-Decoder End-to-End Speech Translation with Non-Autoregressive Hidden Intermediates [59.678108707409606]
  我々は、接続性時間分類(CTC)出力に基づいて非自己回帰デコードによりHIを生成する高速MDモデルであるFast-MDを提案し、続いてASRデコーダを提案する。 高速MDは、GPUとCPUの「単純なMDモデル」よりも2倍、4倍高速なデコード速度を実現した。
  論文  参考訳（メタデータ） (2021-09-27T05:21:30Z)
• Cross-Modality Brain Tumor Segmentation via Bidirectional Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
  本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。 具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。 提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2021-05-17T10:11:45Z)

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。