論文の概要: Expert-like Bone Ultrasound Segmentation through Expert-in-the-loop Mask-conditioned Progressive Learning

• arxiv url: http://arxiv.org/abs/2609.00473v1
• Date: Mon, 31 Aug 2026 23:24:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.137688
• Title: Expert-like Bone Ultrasound Segmentation through Expert-in-the-loop Mask-conditioned Progressive Learning
• Title（参考訳）: エキスパート・イン・ザ・ループマスクを用いたプログレッシブラーニングによるエキスパートライクな骨超音波セグメンテーション
• Authors: Arash Tavangar, Larissa K. Chiu, Hamidreza Khodashenas, Gregory K. Berry, Amir Hooshiar,
• Abstract要約: ExiLはマスク条件のプログレッシブラーニングフレームワークである。 それは、アメリカの画像から不完全なマスクを完成させ、洗練することを学ぶ。 1フレームあたり60秒から20秒に短縮される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Manual annotation remains a major bottleneck in ultrasound (US) bone segmentation, where experts typically iteratively refine rough brush masks rather than delineating precise contours in a single pass. We present ExiL, a mask-conditioned progressive learning framework that models annotation as a structured refinement trajectory. ExiL combines a synthetic expert-like brush simulator based on signed distance fields with a lightweight 7.8M-parameter U-Net that learns to complete and refine imperfect masks from US images. During deployment, an expert mode updates the model directly from accepted refinements, enabling continual adaptation to expert behavior. Evaluated using UltraBones100k cadaver data for quantitative segmentation and a prospective volunteer dataset for annotation-efficiency analysis, ExiL reduced single-expert average annotation time from 60 to 20 seconds per frame (66.7\%) and improved mean Dice by approximately 0.045 over non-progressive training, while achieving 0.87 Dice and 2.7 px boundary error in the best trajectory-aware setting. With 10--50 ms inference, ExiL enables real-time, self-improving annotation for US-guided orthopedic workflows in practical clinical labeling.
• Abstract（参考訳）: 手動アノテーションは、超音波(US)の骨分割において依然として大きなボトルネックであり、専門家は、1回のパスで正確な輪郭を描写するのではなく、通常、粗いブラシマスクを反復的に洗練する。 アノテーションを構造化された洗練軌道としてモデル化するマスク条件のプログレッシブラーニングフレームワークであるExiLを提案する。 ExiLは、符号付き距離場に基づく合成専門家のようなブラシシミュレータと軽量な7.8MパラメータU-Netを組み合わせて、アメリカの画像から不完全なマスクを完成させ、洗練することを学ぶ。 デプロイ中、エキスパートモードは、受け入れられた改善からモデルを直接更新し、専門家の振る舞いへの継続的な適応を可能にする。 定量的セグメンテーションのためのUltraBones100kケーダバーデータとアノテーション効率分析のための有望なボランティアデータセットを用いて評価し、ExiLは最高の軌道認識環境で0.87Diceと2.7px境界誤差を達成しつつ、フレームあたり60秒から20秒に短縮し、非プログレッシブトレーニングにおいて平均Diceを約0.045に改善した。 10-50msの推論により、ExiLは実践的な臨床ラベリングにおいて、US誘導整形外科のワークフローに対してリアルタイムで自己改善的なアノテーションを可能にする。

関連論文リスト

• ISO: An RLVR-Native Optimization Stack [50.40395312897848]
  アイソスペクトル最適化(ISO)としてスペクトル継承を運用する オフラインでは、ISO-Mergerは共有ベーススペシャリストのフレーム変更を単一の固定スペクトルモデルに統合する。 オンラインのISO-Mergerは、AdamWやMuonを含む選択されたベースをフレーム変数に適用し、ベーススペクトルを固定する。
  論文  参考訳（メタデータ） (2026-07-21T17:51:36Z)
• Open-Set Vein Biometric Recognition with Deep Metric Learning [0.0]
  我々は厳密なオープンセット制約の下でDeep Metric Learning(DML)の計算境界を厳格に評価する。 提案手法は,非ネイティブなL2正規化埋め込みを学習し,類似性しきい値を用いたプロトタイプベースマッチングを採用する。 大規模MMCBNU 6000ベンチマークでは、我々の最良のモデル(ResNet50-CBAM)がOSCR 0.9945、AUROC 0.9974、EER 1.57%を達成し、高い識別精度 (99.6% Rank-1) を維持しながら、未知の被験者を頑健に拒否する。
  論文  参考訳（メタデータ） (2026-04-16T11:03:11Z)
• Promptable segmentation with region exploration enables minimal-effort expert-level prostate cancer delineation [2.056389633034677]
  この作業は、ユーザが提供するポイントプロンプトによって駆動されるフレームワークを通じて、自動化されたセグメンテーションと手動のセグメンテーションのギャップを埋めることを目的としている。 PROMIS と PICAI 566 と 1090 の 2 つの公開前立腺 MR データセットを用いて評価した。
  論文  参考訳（メタデータ） (2026-02-19T20:29:41Z)
• Longitudinal Vestibular Schwannoma Dataset with Consensus-based Human-in-the-loop Annotations [3.1898695141875772]
  このデータセットには,184例のT1強調検査(T1CE)534例と6例の非アノテーションT2強調検査(T2強調検査)190例が含まれている。 提案手法は,自動セグメンテーションモデルの目的とするデータ分布への効率的かつ資源効率の高い一般化を可能にする。 従来の手作業による注釈処理と比較して、効率を約37.4%向上させると見積もられている。
  論文  参考訳（メタデータ） (2025-11-01T09:53:28Z)
• TSPulse: Dual Space Tiny Pre-Trained Models for Rapid Time-Series Analysis [12.034816114258803]
  TSPulseは、1Mパラメータしか持たない超コンパクトな時系列事前訓練モデルである。 分類、異常検出、インプット、検索タスクで強く機能する。 結果は100Mパラメータ(既存のSOTAモデルより10-100倍小さい)で達成される。
  論文  参考訳（メタデータ） (2025-05-19T12:18:53Z)
• Adapting Vision Foundation Models for Real-time Ultrasound Image Segmentation [20.009670139005085]
  既存の超音波セグメンテーション法は、しばしば新しいタスクへの適応性に苦しむ。 視覚基盤モデルHieraを応用した適応型フレームワークを導入し,マルチスケールな特徴を抽出する。 これらのリッチな機能は、精密で堅牢なセグメンテーションを生成するためにデコードされる。
  論文  参考訳（メタデータ） (2025-03-31T17:47:42Z)
• MSRS: Training Multimodal Speech Recognition Models from Scratch with Sparse Mask Optimization [49.00754561435518]
  MSRSは、RS3ベンチマークで21.1%と0.9%のWERでVSRとAVSRの競争結果を達成し、トレーニング時間を少なくとも2倍に短縮した。 我々は、他のスパースアプローチを探索し、MSRSだけが、消失する勾配によって影響を受ける重量を暗黙的に隠蔽することで、スクラッチからトレーニングできることを示す。
  論文  参考訳（メタデータ） (2024-06-25T15:00:43Z)
• Self-STORM: Deep Unrolled Self-Supervised Learning for Super-Resolution Microscopy [55.2480439325792]
  我々は、シーケンス固有のモデルベースのオートエンコーダをトレーニングすることで、そのようなデータの必要性を軽減する、深層無学習の自己教師付き学習を導入する。 提案手法は, 監視対象の性能を超過する。
  論文  参考訳（メタデータ） (2024-03-25T17:40:32Z)
• MAPPING: Model Average with Post-processing for Stroke Lesion Segmentation [57.336056469276585]
  我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。 本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
  論文  参考訳（メタデータ） (2022-11-11T14:17:04Z)
• User-Guided Domain Adaptation for Rapid Annotation from User Interactions: A Study on Pathological Liver Segmentation [49.96706092808873]
  マスクベースの医用画像のアノテーション、特に3Dデータは、信頼できる機械学習モデルを開発する上でボトルネックとなる。 ユーザガイド付きドメイン適応(UGDA)フレームワークを提案する。このフレームワークは,UIとマスクの複合分布をモデル化するために,予測に基づくドメイン適応(PADA)を利用する。 UGDAは、利用可能なUIのごく一部しか見ていない場合でも、最先端のパフォーマンスを維持することができる。
  論文  参考訳（メタデータ） (2020-09-05T04:24:58Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)

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。