Fugu-MT 論文翻訳(概要): Improving Cross-Site Whole-Heart Segmentation

論文の概要: Improving Cross-Site Whole-Heart Segmentation

arxiv url: http://arxiv.org/abs/2608.25109v1
Date: Tue, 25 Aug 2026 20:03:53 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-27 14:15:15.427656
Title: Improving Cross-Site Whole-Heart Segmentation
Title（参考訳）: クロスサイト全ハードセグメンテーションの改善
Abstract要約: 定量的心画像解析にはCTおよびMRIからの全肝分画が不可欠である。本稿では,TotalSegmentator-componentd nnU-Netv2モデルとサイト特性,ラベル保存型外観拡張を組み合わせた3次元心筋セグメンテーションパイプラインを提案する。その結果, サイトモチベーションによる外観向上は, 限られたデータ全体のセグメンテーションにおいて, クロスサイトロバスト性を向上させるための実践的戦略であることが示唆された。
参考スコア（独自算出の注目度）: 6.716055961221493
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Whole-heart segmentation from CT and MRI is essential for quantitative cardiac image analysis, but remains challenging under multi-center and multi-modality distribution shift. In the CARE whole-heart segmentation task, models must generalize from limited labeled sites to unseen acquisition distributions, where variation in spacing, intensity, reconstruction texture, and anatomy can degrade out-of-distribution performance. We propose a modality-routed 3D cardiac segmentation pipeline that combines TotalSegmentator-initialized nnU-Netv2 models with site-characterized, label-preserving appearance augmentation. We first characterize the available sites using measurable image properties and use this analysis to motivate candidate data-space generalization routes. The final retained recipe applies Bias Field + Bezier appearance augmentation, combining smooth spatial intensity perturbation with nonlinear intensity remapping, followed by lightweight class-wise largest-connected-component cleanup. On the primary held-out-site validation splits, the final configuration improves CT mean Dice from 0.8350 to 0.9135 and MRI mean Dice from 0.7695 to 0.7830, while also reducing HD95. These results suggest that site-motivated appearance augmentation is a practical strategy for improving cross-site robustness in limited-data whole-heart segmentation. Our code can be found in https://github.com/Purdue-M2/Improving-Cross-Site-Whole-Heart-Segmentation
Abstract（参考訳）: 定量的心画像解析には CT と MRI の完全分割が不可欠であるが, マルチセンター, マルチモーダリティシフト下では依然として困難である。 CARE全体セグメンテーションタスクでは、限られたラベル付きサイトから、間隔、強度、再構築テクスチャ、解剖学のばらつきがアウト・オブ・ディストリビューション性能を低下させるような未確認の取得分布まで、モデルが一般化されなければならない。本稿では,TotalSegmentator-initialized nnU-Netv2モデルとサイト特性,ラベル保存型外観拡張を組み合わせた3次元心筋セグメンテーションパイプラインを提案する。まず、計測可能な画像特性を用いて利用可能なサイトを特徴付け、この分析を用いて候補データ空間の一般化経路を動機付ける。最終的なレシピはBias Field + Bezierの外観強化、スムーズな空間強度の摂動と非線形強度のリマッピング、そして軽量なクラスワイドで最大の接続部品のクリーンアップである。一次保留部位のバリデーション分割では、最終構成ではCT平均Diceが0.8350から0.9135に改善され、MRI平均Diceが0.7695から0.7830に改善され、HD95も減少する。これらの結果から, サイトモチベーションによる外観向上は, 限られたデータ全体のセグメンテーションにおいて, クロスサイトロバスト性を向上させるための実践的戦略であることが示唆された。私たちのコードはhttps://github.com/Purdue-M2/Improving-Cross-Site-Whole-Heart-Segmentationにある。

関連論文リスト

Towards Voxel Spacing Consistency for Medical Image Segmentation [56.992050146446495]
画像再サンプリングとセグメンテーションの相関について検討し,意味認識型再サンプリングフレームワークであるConsispaceを提案する。コンシスペースは、解剖学的および意味的一貫性を維持しながら、軸方向における一貫したボクセル間隔を達成する。
論文参考訳（メタデータ） (2026-06-30T15:42:23Z)
Transformer-Guided Graph Attention for Direct Cardiac Mesh Reconstruction: A Structural Digital Twin Framework [0.0]
私たちは、生の3D医療画像からスムーズでシミュレーション可能な心臓表面メッシュまで、単一のエンドツーエンドネットワークをトレーニングします。コアは3D Swin Transformer Encoder-decoderで、CTまたはMRIボリュームから体積的特徴を抽出し、グラフ注意ネットワークヘッドと組み合わせて、反復的にテンプレートメッシュを変形して患者の心臓境界に適合させる。すべてのメッシュは単一のフォワードパスで生成されます -- マーチングキューブもスムーズなフィルタも手作業によるクリーンアップも不要です。
論文参考訳（メタデータ） (2026-06-11T10:55:55Z)
Anatomy Guided Coronary Artery Segmentation from CCTA Using Spatial Frequency Joint Modeling [10.73944733412427]
本稿では, 心筋解剖学的先行性, 構造認識的特徴符号化, 3次元ウェーブレット逆ウェーブレット変換を統合した冠動脈分割フレームワークを提案する。実験の結果,提案手法はディス係数が0.8082,感度が0.7946,精度が0.8471,HD95が9.77mmであり,いくつかの主流セグメンテーションモデルより優れていることがわかった。
論文参考訳（メタデータ） (2025-12-14T04:12:40Z)
Large Kernel MedNeXt for Breast Tumor Segmentation and Self-Normalizing Network for pCR Classification in Magnetic Resonance Images [0.0]
我々は,3x3x3から5x5x5までの受容場を拡大する2段階のトレーニング戦略を備えた大規模カーネルMedNeXtアーキテクチャを採用している。 pCR分類では,予測セグメンテーションから抽出した放射能特性に基づいて自己正規化ネットワーク(SNN)を訓練した。以上の結果から,より大きな受容野と放射能による分類の利点が示唆された。
論文参考訳（メタデータ） (2025-08-03T16:37:14Z)
Myocardial Region-guided Feature Aggregation Net for Automatic Coronary artery Segmentation and Stenosis Assessment using Coronary Computed Tomography Angiography [13.885760158090692]
心筋領域誘導型特徴集約ネットは、冠状動脈セグメンテーションの堅牢性を高めるために、解剖学的事前知識を統合する新しいU字型二重エンコーダアーキテクチャである。本フレームワークは,(1)ブリッジング拡張とマルチスケール機能融合による冠動脈領域への注意を誘導する心筋領域誘導モジュール,(2)並列空間チャネルの注意と残留ブロックを結合して局所的特徴識別を増強する残留特徴抽出モジュール,(3)階層的血管特徴の適応的アダプティブアグリゲーションのためのマルチスケール機能融合モジュールの3つの重要なイノベーションを取り入れている。
論文参考訳（メタデータ） (2025-04-27T16:43:52Z)
KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
論文参考訳（メタデータ） (2024-10-28T16:00:42Z)
Y-CA-Net: A Convolutional Attention Based Network for Volumetric Medical Image Segmentation [47.12719953712902]
差別的なローカル機能は、注目ベースのVSメソッドのパフォーマンスの鍵となるコンポーネントである。コンボリューションエンコーダ分岐をトランスフォーマーバックボーンに組み込んで,局所的特徴と大域的特徴を並列に抽出する。 Y-CT-Netは、複数の医療セグメンテーションタスクにおいて競合性能を達成する。
論文参考訳（メタデータ） (2024-10-01T18:50:45Z)
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)
Semi-Supervised Segmentation of Multi-vendor and Multi-center Cardiac MRI using Histogram Matching [0.0]
本研究では, 左室, 右室, 心筋のセグメンテーションにラベルのないデータを活用する半教師付きセグメンテーション・セットアップを提案する。ダイス損失を用いたクラス不均衡データ問題に対処し、教師付きモデルによりより良いダイススコアを得ることができる。左室,右室,心筋の平均サイコロスコアは0.921,0.926,0.891である。
論文参考訳（メタデータ） (2023-02-22T08:23:19Z)
Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文参考訳（メタデータ） (2022-12-01T07:32:56Z)
Hepatic vessel segmentation based on 3Dswin-transformer with inductive biased multi-head self-attention [46.46365941681487]
Indu BIased Multi-Head Attention Vessel Net という,堅牢なエンドツーエンドのコンテナセグメンテーションネットワークを提案する。正確な肝血管のボクセルを見つけるために,パッチワイド埋め込みよりもボクセルワイド埋め込みを導入する。一方,絶対位置埋め込みから帰納的バイアス付き相対的位置埋め込みを学習する帰納的バイアス付きマルチヘッド自己アテンションを提案する。
論文参考訳（メタデータ） (2021-11-05T10:17:08Z)

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。