論文の概要: Topology-Aware Training and Spatial Diagnostics for Fiber Bundle Segmentation in Tracer Histology

• arxiv url: http://arxiv.org/abs/2609.04454v1
• Date: Thu, 03 Sep 2026 20:25:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.813508
• Title: Topology-Aware Training and Spatial Diagnostics for Fiber Bundle Segmentation in Tracer Histology
• Title（参考訳）: トレーサー組織学における繊維束切片のトポロジ-アウェアトレーニングと空間診断
• Abstract要約: 凍結したDINOv3バックボーンを用いて,マカクトレーサー組織学における繊維束のセグメンテーションを解析した。 私たちの知る限り、これはこのタスクの基盤モデル機能に関する最初の調査である。 我々は,この規則が過偏差を捉えないことを示すとともに,セクションごとのTPRは完全リコールに割り当てられた空のセクションによって膨らませることができることを示す。
• 参考スコア（独自算出の注目度）: 0.26388783516590225
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anatomic tracer studies reveal how axon bundles project from an injection site, branch into smaller groups of axons, and course through the brain to reach their destinations. Histological data from such studies provide anatomical reference information for validating diffusion MRI tractography. However, manual annotation of the histological data is very labor-intensive, and although automated segmentation methods have been proposed, they rely mainly on pixel-overlap losses such as BCE and Dice; topology-aware loss functions have not been studied for this task. We compare BCE-Dice, clDice, Betti matching, and Topograph for fiber bundle segmentation in macaque tracer histology using a frozen DINOv3 backbone. To our knowledge, this is the first exploration of foundation-model features for this task. BCE-Dice achieved the highest Dice, while clDice achieved the highest bundle recall but poor mask overlap. Topograph had similar Dice to BCE-Dice, the lowest $β_0$ error, and fewer false positives than BCE-Dice and Betti matching. Fiber bundle segmentation methods are typically evaluated with a permissive rule that counts a bundle as detected given any overlap with the prediction. We show this rule does not capture oversegmentation, and that per-section TPR can be inflated by empty sections assigned perfect recall. To quantify this, we introduce Excess32, a spatial diagnostic measuring predicted pixels outside a 32-pixel tolerance band around annotated bundles. In validation, a Betti-Topograph union raises sparse-bundle TPR from 0.818 to 0.933, but worsens FDR from 0.296 to 0.509, Excess32 from 0.108 to 0.466, and area ratio from 0.94 to 3.34. These results show detection metrics alone are insufficient to characterize segmentation quality.
• Abstract（参考訳）: 解剖学的トレーサーの研究は、軸索束が注入部位から射影し、より小さな軸索のグループに分岐し、脳を通って目的地に到達する方法を明らかにしている。 これらの研究から得られた組織学的データは,拡散MRIトラクトグラフィーを検証するための解剖学的基準情報を提供する。 しかし, 組織データの手動アノテーションは非常に労働集約的であり, 自動セグメンテーション法も提案されているが, 主にBCEやDiceなどの画素オーバーラップの損失に依存している。 凍結したDINOv3背骨を用いて,BCE-Dice,clDice,Betti matching,およびTopographをマカクトレーサー組織学的に比較した。 私たちの知る限り、これはこのタスクの基盤モデル機能に関する最初の調査である。 BCE-Diceは最高のDiceを獲得し、clDiceは最高のバンドルリコールを達成したが、マスクのオーバーラップは不十分だった。 Topograph は Dice と BCE-Dice に似ており、β_0$ エラーが最も低く、BCE-Dice と Betti のマッチングよりも偽陽性が少ない。 ファイババンドルのセグメンテーション法は一般的に、予測と重なりあうと、検出されたバンドルをカウントするパーミッシブルールで評価される。 我々は,この規則が過偏差を捉えないことを示すとともに,セクションごとのTPRは完全リコールに割り当てられた空のセクションによって膨らませることができることを示す。 そこで本研究では,32画素の耐光バンドの周囲の空間的計測を行うExcess32を紹介する。 検証において、ベティ・トポグラフ連合はスパースバンドルTPRを0.818から0.933に上昇させるが、FDRを0.296から0.509に、Excess32を0.108から0.466に、面積比を0.94から3.34に低下させる。 これらの結果から,検出基準だけではセグメンテーション品質を特徴づけるには不十分であることが判明した。

関連論文リスト

• Domain-Guided YOLO26 with Composite BCE-Dice-Lovász Loss for Multi-Class Fetal Head Ultrasound Segmentation [0.0]
  我々は、YOLO26-Segの上にプロンプトフリーパイプラインを構築し、脳、Cavum Septi Pellucidi(CSP)、横室(LV)の3つの構造を共同で検出し、セグメント化する。 i) 逆周波数クラス重み付けによる複合BCE-Dice-Lovszセグメンテーション損失を、実行時サルパッチングによるYOLO26トレーニングループに注入すること、(ii) 脳境界に対する解剖学的位置を尊重しながら、少数クラス構造を移植するドメイン誘導コピーペースト増強をすること、(iii) 患者間階層化。
  論文  参考訳（メタデータ） (2026-03-23T14:02:57Z)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• Autonomous labeling of surgical resection margins using a foundation model [4.873604837915161]
  本研究は,全スライディング画像上で外科的切削面を自律的に局所化する仮想インクネットワーク(VIN)を提案する。 VINは、特徴抽出器として凍結基礎モデルと、因果一貫性のある特徴のパッチレベル分類のために訓練されたコンパクトな2層多層パーセプトロンを使用する。
  論文  参考訳（メタデータ） (2025-11-27T05:52:42Z)
• Depth-Sequence Transformer (DST) for Segment-Specific ICA Calcification Mapping on Non-Contrast CT [38.85617601239779]
  従来の3Dモデルは、縮小されたボリュームや分離されたパッチを処理せざるを得ない。 我々は,3次元課題を1次元軸方向に沿ったtextbfParallel Probabilistic Landmark Localizationタスクとして再構成する。 フル解像度CTボリュームを2次元スライスシーケンスとして処理するフレームワークである textbfDepth-Sequence Transformer (DST) を提案する。
  論文  参考訳（メタデータ） (2025-07-10T23:12:12Z)
• A topology-preserving three-stage framework for fully-connected coronary artery extraction [39.47027832777158]
  冠動脈摘出術は,冠動脈疾患のコンピュータ診断に必須である。 完全連結冠状動脈抽出のためのトポロジー保存型3段階フレームワークを提案する。 このフレームワークには、血管のセグメンテーション、中心線再接続、血管再建の欠如が含まれる。
  論文  参考訳（メタデータ） (2025-04-02T11:04:44Z)
• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• An Explainable Non-local Network for COVID-19 Diagnosis [37.378584156643825]
  新型3次元非局所ネットワーク(NL-RAN)を用いて,COVID-19,コモン肺炎,正常などのCT画像の分類を行った。 ネットワークにはグローバル情報をキャプチャするための非ローカルモジュールが埋め込まれており、3Dアテンションモジュールは病変の詳細に集中するために埋め込まれている。 実験結果から,提案手法は既存手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-08T08:35:21Z)
• Acute ischemic stroke lesion segmentation in non-contrast CT images using 3D convolutional neural networks [0.0]
  非コントラストCT脳画像における急性虚血性脳梗塞の容積分画を目的とした自動アルゴリズムを提案する。 我々のディープラーニングアプローチは、人気のある3D U-Net畳み込みニューラルネットワークアーキテクチャに基づいている。
  論文  参考訳（メタデータ） (2023-01-17T10:39:39Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Parallel Network with Channel Attention and Post-Processing for Carotid Arteries Vulnerable Plaque Segmentation in Ultrasound Images [15.001128693323206]
  本稿では,頸動脈超音波画像におけるプラークセグメンテーションのための自動畳み込みニューラルネットワーク(CNN)手法を提案する。 試験結果から, 30種類のプラークに対して, ディス値0.820, IoU 0.701, Acc 0.969, Hausdorff 距離 1.43 の修正Hausdorff 距離 (MHD) が得られた。
  論文  参考訳（メタデータ） (2022-04-18T01:55:11Z)
• Structure-Aware Long Short-Term Memory Network for 3D Cephalometric Landmark Detection [37.031819721889676]
  本研究では,3次元ランドマーク検出のための構造対応長短期記憶フレームワーク(SA-LSTM)を提案する。 SA-LSTMは、まず、ダウンサンプリングCBCTボリューム上の熱マップ回帰によって粗いランドマークを見つける。 その後、高解像度の収穫パッチを使用して、注意深いオフセット回帰によってランドマークを徐々に洗練する。 実験の結果,提案手法は効率と精度で最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-21T06:35:52Z)
• Nested-block self-attention for robust radiotherapy planning segmentation [3.2541650155921142]
  深層畳み込みネットワークは、頭頸部(HN)臓器のリスクセグメンテーション(OAR)において広く研究されている。 定期的な臨床治療計画のためのそれらの使用は、イメージングアーティファクトへの堅牢性の欠如、CT上の低い軟組織コントラスト、および異常な解剖の存在によって制限される。 我々は,任意の畳み込みネットワークと組み合わせることができる計算効率の良いネストブロック自己アテンション法(NBSA)を開発した。
  論文  参考訳（メタデータ） (2021-02-26T15:28:47Z)

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。