論文の概要: A Strong Linear Baseline for Whole-Heart Cardiac Shape Completion on CT, with an Open Eleven-Structure Statistical Shape Model

• arxiv url: http://arxiv.org/abs/2608.19932v1
• Date: Thu, 20 Aug 2026 11:45:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.557237
• Title: A Strong Linear Baseline for Whole-Heart Cardiac Shape Completion on CT, with an Open Eleven-Structure Statistical Shape Model
• Title（参考訳）: 開き11構造統計形状モデルを用いたCT上の全心的心的整形のための強力なリニアベースライン
• Abstract要約: 心電図(CT)の統計的形状は383例から11例を報告した。 1つの凍結した内部分割と終端の下での完了推定器の比較を行う。 このモデルとその完成オペレーターは、臨床使用ではなく、アライメントCTに関するコホート・ユニフィケーション研究を支援する。
• 参考スコア（独自算出の注目度）: 0.359986669039879
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Public cardiac cohorts annotate different subsets of the heart, so shapes from separate sources cannot be pooled without shared correspondence. Among released cardiac shape resources, none we identified carries the atrial appendage, pulmonary veins, and caval stumps as separate blocks in one mesh. Completion benchmarks also compare deep models against a least-squares projection onto shape modes, not the conditional estimator the same fitted model implies. We release an eleven- structure cardiac computed-tomography (CT) statistical shape model, built from 383 automatically labelled cases in 11 571-vertex correspondence, and compare completion estimators under one frozen internal split and endpoint. On a 76-case internal list held out from fitting, a closed-form conditional-Gaussian estimator reconstructed the missing non-chamber structures at 3.717 mm mean per-vertex error, averaged equally over one, three, five, and nine observed structures. A five-refit mask-conditioned graph variational autoencoder reached 5.248 mm and nearest-neighbour retrieval 8.931 mm. The paired difference was 1.531 mm (95% confidence interval 1.384 to 1.711), and the ordering held in a raw-coordinate sensitivity arm. Expert manual labels exist for 58 external CT cases, but our registered reference is close enough to score only five structures. There the closed-form estimator again had lower average surface distance, 95th-percentile Hausdorff distance, and Chamfer error for both completed atria. On a second public benchmark of 20 cases the reference was close enough for three of four completed structures, and the same ordering held there. Four structures have no expert reference. The released model and its completion operator support cohort-unification research on aligned CT, not clinical use.
• Abstract（参考訳）: 公的な心臓コホートは、心臓の異なるサブセットに注釈を付けるため、異なるソースからの形状は、共有の対応なしにはプーリングできない。 心電図では, 心房細動, 肺静脈, 心室細管を1つのメッシュで分離したブロックとして用いていない。 完了ベンチマークは、同じ適合モデルが意味する条件推定器ではなく、最小二乗射影を形状モードに比較する。 571-vertex 対応の383症例を自動ラベル付けした11構造心電図 (CT) の統計形状モデルを作成し, 凍結した内部分割・終端条件下での完了推定値の比較を行った。 76ケースの内装リストでは、クローズドフォームの条件付きガウス式推定器が、欠落した非チャンバー構造を平均3.717mmで復元した。 5つのマスク条件付きグラフ変分オートエンコーダは5.248mmに到達し、最寄りの検索は8.931mmになった。 対の差は1.531mm(95%の信頼区間 1.384 から 1.711 )で、順序は生の調整感度アームで保持された。 専門的な手動ラベルは58例の外部CT症例に存在し, 登録基準は5例に過ぎなかった。 クローズドフォーム推定器は、再び平均表面距離が低く、95%のハウスドルフ距離を持ち、シャンファー誤差はどちらも完了した。 20件の2回目の公開ベンチマークでは、この基準は4つの完成した構造物のうち3つに十分近かった。 4つの構造には専門家の言及がない。 このモデルとその完成オペレーターは、臨床使用ではなく、アライメントCTに関するコホート・ユニフィケーション研究を支援する。

関連論文リスト

• Cross-Anatomy Transfer Versus Sparse Interpolation in Digital-Twin-Oriented Aortic Fluid-Structure Interaction Surrogates [0.0]
  流体間イオン(FSI)に対する代理的信頼性は、既に採取された表面から独立した解剖学間での移動を区別する必要がある。 血管モデルリポジトリから同定された4つのヒト大動脈モデルが再構成された。 しかし、この4つの解剖学的コホートは、クロス解剖学が直接構造を超えて価値を付加する証拠を示さない。
  論文  参考訳（メタデータ） (2026-09-14T20:37:45Z)
• Automated Perceptually-Motivated Assessment of Photographic Consistency in Paired Clinical Photographs: Pipeline Development and Internal Evaluation [0.0]
  我々は、13のキャリブレーションされたサブメトリックにまたがるプレ/ポストペアを分析するパイプラインを開発した。 パイプラインは、患者内公開のプレ/ポストペア134に適合し、同一イメージペア、合成・摂動ペア134とミスマッチしたクロスパブリケーションペア134に対して評価された。
  論文  参考訳（メタデータ） (2026-09-14T07:19:17Z)
• LeCor: Learning to Be Corrected by Meta-Learned Test-Time Training for Interactive 3D Lung-Tumour Segmentation [45.86925813888675]
  肺腫瘍におけるSAM 3の微調整は、0.298から0.757までの1点のプロンプトから得られるDiceを上昇させ、7ラウンドの補正によりさらに0.765まで上昇させる。 ケース毎にリセットされたケースアダプタの小さなセットでテスト時間トレーニングを行うLeCorを提案する。 LeCor は 7 回の補正ラウンドを 0.787 から 0.827 に引き上げ、0.80 を 47 から 27 に到達しないケースの数を 47 から 27 に減らし、3 回の補正ラウンドで細調整モデルが 7 で到達した精度を下げる。
  論文  参考訳（メタデータ） (2026-09-08T21:49:56Z)
• Distilling CT Foundation Models into Editable Concept Bottlenecks for Lung Nodule Malignancy Prediction [0.0]
  我々は,2つの凍結CT基礎モデル表現を,放射線技師が定義した肺結節の8つの属性にマッピングする概念ボトルネックモデルを開発した。 モデルには、993ボクセルの結節中心のパッチを使用したCT-FMと、50mmの作物を用いた結節中心のコントラストエンコーダであるFMCIBが含まれていた。 概念の忠実度は5倍のクロスバリデードR2を用いて評価し,悪性度判定はAUROCを用いて評価した。
  論文  参考訳（メタデータ） (2026-08-08T01:54:03Z)
• RibAssist 3D: Biplanar Rib-Fracture Detection, Addressing, and Selective 3D Localization from CT-Derived Projections [0.6768558752130311]
  リブ骨折はCT(Computed tomography)で局所化するのに一般的で時間を要する 2つの直交CTからの投射で独立に検出された骨折は、視界をまたいでペアリングし、偽出力の制御速度で信頼できる3Dポイントに三角測量できるかどうかを問う。 本研究は、選択的3次元局所化のための再現可能なフレームワークを確立し、クロスビュー対応を主要な運用ボトルネックとして認識する。
  論文  参考訳（メタデータ） (2026-08-07T07:47:20Z)
• Multimodal Evaluator Preference Collapse: Cross-Modal Contagion in Self-Evolving Agents [1.0152838128195467]
  EPC(Evaluator Preference Collapse)はマルチモーダル環境で劇的に増幅されていることを示す。 次に、クロスモーダル感染と呼ばれる新しい現象を示す。 我々は、モデル間評価器アーキテクチャを優先ドリフトの主なリスク要因とみなす。
  論文  参考訳（メタデータ） (2026-06-15T13:18:20Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)
• The Evaluation Blind Spot: A Stereological Theory of Benchmark Coverage for Large Language Models [0.0]
  実証的に、3つの独立したリーダーボード(Open LLM v2、拡張12ベンチマークスイート、LiveBench)は、いずれも[2.86, 4.80]のd_effを持つ。 Nemhauser (1 − 1/e) 保証付き部分モジュラーグリードアルゴリズムは、4つのベンチマークの安定なコアを見つける。 12のベンチマークと27のカテゴリの反実的な検証では、固有構造がどの評価が置き換えられないかを予測している。
  論文  参考訳（メタデータ） (2026-04-15T08:56:58Z)
• Pillar-0: A New Frontier for Radiology Foundation Models [41.640120966890954]
  腹部骨盤CT42,990例,胸部CT86,411例,頭部CT14,348例,胸部MRI11,543例にPillar-0を導入した。 Pillar-0は平均86.4、88.0、90.1、82.9のAUROCを達成し、MedGemma (Google)、MedImageInsight (Microsoft)、Lingshu (Alibaba)、Merlin (スタンフォード)を7.8-15.8のAUROCポイントで上回り、87.2% (319/366)タスクでランクインしている。
  論文  参考訳（メタデータ） (2025-11-21T21:50:34Z)
• TotalSegmentator MRI: Robust Sequence-independent Segmentation of Multiple Anatomic Structures in MRI [59.86827659781022]
  nnU-Netモデル(TotalSegmentator)をMRIおよび80原子構造で訓練した。 予測されたセグメンテーションと専門家基準セグメンテーションとの間には,ディススコアが算出され,モデル性能が評価された。 オープンソースで使いやすいモデルは、80構造の自動的で堅牢なセグメンテーションを可能にする。
  論文  参考訳（メタデータ） (2024-05-29T20:15:54Z)
• Pairwise-Constrained Implicit Functions for 3D Human Heart Modelling [60.56741715207466]
  我々は、心を相互依存型SDFの集合としてモデル化するペアワイズ拘束型SDFアプローチを導入する。 本手法は, 単SDF, UDF, ボクセルベース, セグメンテーションベースを用いて, 内部構造精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-07-16T10:07:15Z)
• Chest x-ray automated triage: a semiologic approach designed for clinical implementation, exploiting different types of labels through a combination of four Deep Learning architectures [83.48996461770017]
  本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。 公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。 4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
  論文  参考訳（メタデータ） (2020-12-23T14:38:35Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)

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。