論文の概要: Cross-Modal MRI Ovary Segmentation in Endometriosis Using Unpaired TVUS Prototype Priors

• arxiv url: http://arxiv.org/abs/2608.18515v1
• Date: Wed, 19 Aug 2026 04:09:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.274512
• Title: Cross-Modal MRI Ovary Segmentation in Endometriosis Using Unpaired TVUS Prototype Priors
• Title（参考訳）: 未経験のTVUS原型前駆体を用いた子宮内膜症に対する経時的MRI卵巣切離術
• Abstract要約: 経血管超音波(TVUS)とMRI(MRI)は子宮内膜画像解析のための補完情報を提供する。 卵巣径の狭さと周囲の骨盤構造とのあいまいな境界が原因で,MRIにおける卵巣分節化の困難化に対処するために,TVUSとMRIをまたいだ卵巣分節化のための二重分枝フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 33.630023489749995
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transvaginal ultrasound (TVUS) and magnetic resonance imaging (MRI) provide complementary information for endometriosis image analysis, yet existing studies mainly focus on single-modality analysis or disease classification, leaving cross-modal ovarian segmentation largely unexplored. In this work, to tackle the increased difficulty of ovary segmentation in MRI due to ovaries' small target size and ambiguous boundaries with surrounding pelvic structures, we propose a dual branch framework for ovary segmentation across TVUS and MRI. More specifically, by adapting MedSAM3 with TVUS-derived prototype bank, we aim to align anatomically consistent feature representations across both modalities. Extensive experiments are conducted on endometriosis-related TVUS and MRI datasets. We observe quantitative and qualitative improvements of over 5 percentage points for the proposed dual-branch approach compared with multiple state-of-the-art methods. Furthermore, our ablation study shows the contribution of individual components such as the prototype bank and the importance of warm-up pretraining in the source TVUS domain.
• Abstract（参考訳）: 経血管超音波(TVUS)とMRI(MRI)は子宮内膜画像解析に補完的な情報を提供するが、既存の研究は主に単一モダリティ分析や疾患分類に焦点を合わせており、クロスモーダル卵巣分節はほとんど研究されていない。 本研究は, 卵巣径と周辺骨盤構造とのあいまいな境界が原因で, MRIにおける卵巣分節化の困難化に対処するため, TVUS と MRI にまたがる卵巣分節化のための二重分枝フレームワークを提案する。 具体的には、MedSAM3をTVUS由来のプロトタイプバンクに適応させることで、両モードで解剖学的に一貫した特徴表現の整合を図る。 子宮内膜症関連TVUSおよびMRIデータセットについて広範な実験を行った。 提案手法では,複数の最先端手法と比較して5ポイント以上の定量的,定性的な改善が見られた。 さらに,本研究は,プロトタイプバンクなどの個別コンポーネントの寄与と,ソースTVUSドメインにおけるウォームアップ事前トレーニングの重要性を示す。

関連論文リスト

• Multiple Myeloma Lesion Segmentation on Whole-Body Diffusion-Weighted Imaging via Efficient Anatomical Anticipation and Multimodal Confirmation [28.876740706448345]
  WB-DWIを用いたMM病変分割のための2段階フレームワークを提案する。 第1段階では,専用の骨ラベルを使わずに,ADC画像から骨ROI生成モデルを訓練する。 第2段階では、解剖誘導型マルチモーダルU-Netを提案する。
  論文  参考訳（メタデータ） (2026-09-05T16:08:29Z)
• A Unified Attention U-Net Framework for Cross-Modality Tumor Segmentation in MRI and CT [0.0]
  本研究では,MRI (BraTS 2021) と CT (LIDC-IDRI) データセットを併用した統合型注意U-Netアーキテクチャを提案する。 提案するパイプラインは、モーダリティ調和前処理、注意誘導スキップ接続、およびモーダリティ対応のFocal Tversky損失関数を組み込んだものである。
  論文  参考訳（メタデータ） (2026-01-07T23:50:45Z)
• Pancreas Part Segmentation under Federated Learning Paradigm [18.670706296080084]
  MRIにおける膵部分(頭部,体,尾部)分節に対する初回フェデレートラーニング(FL)アプローチを提案する。 このコントリビューションは、まずは、MRIにおける膵部分のデライン化の技術的複雑さと、それ以前のアプローチを妨げるデータ不足の問題の2つの根本的な課題に対処する。 直接データを共有することなく、7つの医療機関間で協調的なモデルトレーニングを可能にするプライバシー保護FLフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-28T01:42:43Z)
• Semi-supervised learning and integration of multi-sequence MR-images for carotid vessel wall and plaque segmentation [0.6597195879147557]
  頸動脈血管壁とプラークのセグメンテーションのためのマルチシーケンスMRIデータを統合するための半教師付き深層学習手法を提案する。 動脈硬化症52例に対し, それぞれ5つのMRIシークエンスを施行した。
  論文  参考訳（メタデータ） (2025-07-10T07:31:31Z)
• Enhanced MRI Representation via Cross-series Masking [48.09478307927716]
  自己教師型でMRI表現を効果的に学習するためのクロスシリーズ・マスキング(CSM)戦略 メソッドは、パブリックデータセットと社内データセットの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-12-10T10:32:09Z)
• Mask-Enhanced Segment Anything Model for Tumor Lesion Semantic Segmentation [48.107348956719775]
  Mask-Enhanced SAM (M-SAM) は, 腫瘍の3次元セグメント化に適した革新的なアーキテクチャである。 本稿では,M-SAM内におけるMask-Enhanced Adapter (MEA) を提案する。 我々のM-SAMは高いセグメンテーション精度を達成し、またロバストな一般化を示す。
  論文  参考訳（メタデータ） (2024-03-09T13:37:02Z)
• Reconstructing the somatotopic organization of the corticospinal tract remains a challenge for modern tractography methods [55.07297021627281]
  CST(Corticospinal tract)は、人間の脳において、身体の自発的な動きを制御できる重要なホワイトマター線維である。 拡散MRIトラクトグラフィーは、ヒトの健康におけるCST経路の解剖学的および変動性の研究を可能にする唯一の方法である。
  論文  参考訳（メタデータ） (2023-06-09T02:05:40Z)
• RCA-IUnet: A residual cross-spatial attention guided inception U-Net model for tumor segmentation in breast ultrasound imaging [0.6091702876917281]
  本稿では,腫瘍セグメンテーションのトレーニングパラメータが最小限に抑えられたRCA-IUnetモデルについて紹介する。 RCA-IUnetモデルは、U-Netトポロジに従い、奥行きの深い分離可能な畳み込みとハイブリッドプール層を持つ。 無関係な特徴を抑え、対象構造に焦点を合わせるために、空間横断型アテンションフィルタが加えられる。
  論文  参考訳（メタデータ） (2021-08-05T10:35:06Z)
• Act Like a Radiologist: Towards Reliable Multi-view Correspondence Reasoning for Mammogram Mass Detection [49.14070210387509]
  マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。 AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。 2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-05-21T06:48:34Z)
• Global Guidance Network for Breast Lesion Segmentation in Ultrasound Images [84.03487786163781]
  我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。 当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
  論文  参考訳（メタデータ） (2021-04-05T13:15:22Z)
• On segmentation of pectoralis muscle in digital mammograms by means of deep learning [1.7114784273243784]
  本稿では,データ駆動予測とグラフベース画像処理を組み合わせた2段階のセグメンテーション戦略を提案する。 提案手法では,乳房-胸部境界の位置を予測するために,畳み込みニューラルネットワーク(CNN)を用いる。 比較分析の結果,最先端技術よりも大幅に改善され,モデルフリーで完全自動処理が可能となった。
  論文  参考訳（メタデータ） (2020-08-29T03:38:11Z)

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。