論文の概要: Spectral Adapters for Segment Anything Model-based Segmentation of Colorectal Liver Metastases in Computed Tomography

• arxiv url: http://arxiv.org/abs/2609.11703v1
• Date: Thu, 10 Sep 2026 15:26:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.417952
• Title: Spectral Adapters for Segment Anything Model-based Segmentation of Colorectal Liver Metastases in Computed Tomography
• Title（参考訳）: CTにおける大腸癌肝転移のSegment Anything Model-based Segmentationのためのスペクトル適応器
• Abstract要約: 我々は,Segment Anything Model (SAM) のための2つのパラメータ係数スペクトルアダプタを提案する。 446造影CTボリューム(355トレーニング,91テスト)におけるこれらの手法の評価 SiGAはDiceスコア0.77、IoU0.69、HD9535.39mmで最高のシングルポイントパフォーマンスを達成した。
• 参考スコア（独自算出の注目度）: 1.6111769386474124
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate segmentation of colorectal liver metastases (CRLM) in contrast-enhanced computed tomography (CT) is important for response assessment, surgical planning, and follow-up. We propose two parameter-efficient spectral adapters for the Segment Anything Model (SAM): the Directional Spectral Adapter (DiSECT) and Spectral Instance-Guided Adapter (SiGA). DiSECT uses singular value decomposition of frozen weights to constrain residual updates to leading spectral directions, while SiGA adds global and input-conditioned gating through a multilayer perceptron. We evaluate these methods on 446 contrast-enhanced CT volumes (355 training, 91 testing) and compare them with LoRA, QLoRA, convolutional adapters (CAD), and a 3D nnU-Net baseline. Experiments consider single-point, three-point, bounding-box, and no-prompt regimes. SiGA achieves the best single-point performance with a Dice score of 0.77, IoU of 0.69, and HD95 of 35.39 mm. Under no-prompt inference, SiGA reaches 0.76 Dice, 0.68 IoU, and 46.76 mm HD95, comparable to the nnU-Net baseline (0.758 Dice). DiSECT uses only 0.14 million trainable parameters. These results show that spectral adapters can efficiently adapt SAM for CRLM segmentation while retaining strong accuracy with limited trainable parameters.
• Abstract（参考訳）: 造影CT(Content-enhanced Computed Tomography)における大腸肝転移(CRLM)の正確なセグメンテーションは,反応評価,手術計画,経過観察に重要である。 そこで我々は,Segment Anything Model (SAM) のためのパラメータ効率のよい2つのスペクトルアダプタを提案し,その1つとして,Distral Spectral Adapter (DiSECT) とSpectral Instance-Guided Adapter (SiGA) を提案する。 DiSECTは、凍結重量の特異値分解を用いて、先行するスペクトル方向への残差更新を制限し、SiGAは多層パーセプトロンを介して大域的および入力条件のゲーティングを追加する。 本手法を446本の造影CTボリューム(355のトレーニング,91の試験)で評価し,LoRA,QLoRA,CAD,3D nnU-Netベースラインと比較した。 実験では、単一点、三点、有界点、非プロンプト状態が検討されている。 SiGAはDiceスコア0.77、IoU0.69、HD9535.39mmで最高のシングルポイントパフォーマンスを達成した。 ノンプロンプト推論では、SiGAは0.76Dice、0.68IoU、46.76mm HD95に達し、nnU-Netベースライン(0.758Dice)に匹敵する。 DiSECTは0.14万のトレーニング可能なパラメータしか使用していない。 これらの結果から、スペクトルアダプタはCRLMセグメンテーションにSAMを効率よく適応できるが、訓練可能なパラメータは限られている。

関連論文リスト

• Parameter-Efficient Fine-Tuning of Foundation Models for Liver Tumor Segmentation in CT [1.9403818519796712]
  大腸癌肝転移の腹部CTにおける肝腫瘍分節に対するSegment Anything Model(SAM)のパラメーター効率細調整(PEFT)について検討した。 低ランク適応(LoRA)、4ビット量子化LoRA(QLoRA)、畳み込みアダプタ(Conv-Adapter)、指向スペクトルトップKアダプタ(DiSCo)を比較した。 Conv-AdapterとLoRAは最高精度(全Dice 0.793と0.792)、シングルポイントDice 0.795と0.792、95パーセントのハウスドルフ距離(HD95)32を達成した。
  論文  参考訳（メタデータ） (2026-09-12T19:07:51Z)
• 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)
• Towards Robust Training in NNGPT AutoML Pipeline: A Loss-Optimizer Pairing Selection Study [48.83701310501069]
  本稿では, 一つのレシピがヘテロジニアスなアーキテクチャプールに十分であるか, 最適ペアリングが構造的に多様なモデルによって異なるかを検討する。 我々は,CEL(Cross-Entropy),NLL(Negative Log-Likelihood),および最近導入された遺伝学的に進化したNGL損失を,LEMURヘテロジニアス・アーキテクチャー・プールの6つの画像分類データセット上に提示したベースモデル間で比較検討した。 我々の結果は、単一のペアリングが普遍的に最適でないことを確認した。AdamやAdamWとのクロスエントロピーは、最も堅牢な選択である。
  論文  参考訳（メタデータ） (2026-06-18T20:51:42Z)
• Parameter-Efficient Adaptation of SAM 3 for Automated ITV Generation from 4DCT Images [0.0]
  4次元CT(4DCT)は胸部解剖の完全な呼吸周期を捉えている。 現在の内部ターゲットボリューム構成プロセスは、各フェーズを分離し、時間的コヒーレンスを破棄し、フェーズ固有のアーティファクトに脆弱なままにしておく。 低ランク適応(LoRA)を介してSegment Anything Model 3(SAM3)にパラメータ効率の良い微調整を適用するフレームワークを提案する。 7つの注釈付きボリュームで、このフレームワークは全データの精度の95%以上を保持し、パイプライン全体は1つのコンシューマグレードのGPUでトレーニングできる。
  論文  参考訳（メタデータ） (2026-06-14T05:12:57Z)
• Geometrical Cross-Attention and Nonvoid Voxelization for Efficient 3D Medical Image Segmentation [7.130249306182679]
  GCNV-Netは3方向動的非ボイドボクセル変換器(3DNVT)を統合した新しい3次元医用セグメンテーションフレームワークである 非ボイドボクセル化プロセスは情報領域のみであり、セグメンテーション品質を損なうことなく計算の冗長性を著しく低減する。 Diceでは0.65%,IoUでは0.63%,NSDでは1%,HD95では比較的14.5%を達成している。
  論文  参考訳（メタデータ） (2026-04-07T07:13:36Z)
• Harnessing Lightweight Transformer with Contextual Synergic Enhancement for Efficient 3D Medical Image Segmentation [59.711744386226194]
  モデル効率を実現するための軽量トランスであるLight-UNETRを提案する。 Light-UNETRは軽量次元減少(LIDR)モジュールを備えており、空間次元とチャネル次元を減少させる。 また,変換器のデータ効率向上を目的としたCSE学習戦略も導入した。
  論文  参考訳（メタデータ） (2026-03-24T16:24:19Z)
• DeSamba: Decoupled Spectral Adaptive Framework for 3D Multi-Sequence MRI Lesion Classification [0.6749750044497732]
  DeSambaは、分離された表現を抽出し、病変分類のための空間的特徴とスペクトル的特徴を適応的に融合するように設計されたフレームワークである。 DeSambaは62.10%のTop-1精度、63.62%のF1スコア、87.71%のAUC、93.55%のTop-3精度を達成した。
  論文  参考訳（メタデータ） (2025-07-21T10:42:21Z)
• HANS-Net: Hyperbolic Convolution and Adaptive Temporal Attention for Accurate and Generalizable Liver and Tumor Segmentation in CT Imaging [2.7205074719266062]
  腹部CT像における肝・腫瘍の正確なセグメンテーションは確実な診断と治療計画に重要である。 ニューラル表現とシナプティック・プラスティック・ネットワーク(HANS-Net)を用いたハイパーボリック・コンボリューションの導入 HANS-Netは、階層的幾何表現のための双曲的畳み込み、マルチスケールテクスチャ学習のためのウェーブレットインスパイアされた分解モジュール、暗黙の神経表現分岐を組み合わせた。
  論文  参考訳（メタデータ） (2025-07-15T13:56:37Z)
• Improved 3D Whole Heart Geometry from Sparse CMR Slices [3.701571763780745]
  心臓磁気共鳴法(CMR)とCT法(CT)は、心臓血管疾患の患者を診断するための2つの一般的な非侵襲的画像診断法である。 CMRは通常、複数のスパース2Dスライスを取得し、スライス間には避けられない呼吸運動アーチファクトを持ち、CTは等方性密度データを取得するが、電離放射線を使用する。 スライスシフトアルゴリズム(SSA)、空間変換器ネットワーク(STN)、ラベル変換器ネットワーク(LTN)の組み合わせを検討する。
  論文  参考訳（メタデータ） (2024-08-14T13:03:48Z)
• Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI [43.47826598981827]
  画像間直接抽出のための新しいアーキテクチャであるHybridVNetを紹介する。 グラフ構造として符号化することで,表面および体積メッシュを効率的に処理できることを示す。 我々のモデルは、従来の畳み込みネットワークと変分グラフ生成モデル、深い監督とメッシュ固有の正規化を組み合わせたものです。
  論文  参考訳（メタデータ） (2023-11-22T21:51:29Z)
• Global Context Vision Transformers [78.5346173956383]
  我々は,コンピュータビジョンのパラメータと計算利用を向上する新しいアーキテクチャであるGC ViT(Global context vision transformer)を提案する。 本稿では,ViTにおける帰納バイアスの欠如に対処し,アーキテクチャにおける可溶性逆残差ブロックを改良して活用することを提案する。 提案したGC ViTは,画像分類,オブジェクト検出,セマンティックセマンティックセグメンテーションタスクにまたがる最先端の処理結果を実現する。
  論文  参考訳（メタデータ） (2022-06-20T18:42:44Z)
• Distortion-Aware Loop Filtering of Intra 360^o Video Coding with Equirectangular Projection [81.63407194858854]
  等角射影(ERP)フォーマットで投影された360$o$ビデオの符号化性能を向上させるため,歪みを考慮したループフィルタリングモデルを提案する。 提案モジュールは、符号化ユニット(CU)パーティションマスクに基づいてコンテンツ特性を分析し、部分的畳み込みによって処理し、指定された領域を活性化する。
  論文  参考訳（メタデータ） (2022-02-20T12:00:18Z)

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。