論文の概要: Unified CT and MRI Pancreas Segmentation for Label-Efficient Cross-Modality Subregion Transfer

• arxiv url: http://arxiv.org/abs/2609.13043v1
• Date: Fri, 11 Sep 2026 16:40:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.811386
• Title: Unified CT and MRI Pancreas Segmentation for Label-Efficient Cross-Modality Subregion Transfer
• Title（参考訳）: ラベル効率の良いクロスモダリティサブリージョン転送のための統一CTおよびMRI膵分画法
• Abstract要約: 異種CTおよびMRIスキャンにドメイン・アドバイサル・ラーニングを適用した3次元膵分画フレームワークを開発した。 共有のnnU-Netエンコーダデコーダは、CT-MRI機能アライメントを奨励する潜在ドメイン判別器を用いて、全膵領域セグメンテーションのために訓練される。 統一された解剖学的表現は、クロスモダリティ膵セグメンテーションとラベル効率の低い下流転送の両方をサポートすることができる。
• 参考スコア（独自算出の注目度）: 9.697026577787588
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robust medical image segmentation across imaging modalities is challenging because of large differences in appearance and intensity distributions. Models trained on a single modality often show substantial performance drops when applied to unseen domains. In this work, we develop a unified 3D pancreas segmentation framework that applies domain-adversarial learning to 4,604 heterogeneous CT and MRI scans to learn anatomical representations. A shared nnU-Net encoder-decoder is trained for whole-pancreas segmentation, with a latent domain discriminator encouraging CT-MRI feature alignment. The learned encoder is subsequently transferred to pancreatic head-body-tail segmentation using limited MRI-only subregion annotations. An average Dice score of 87.31% on the in-distribution test set and Dice scores ranging from 84.20% to 88.09% across external OOD datasets were achieved in whole pancreas segmentation. Dice scores of 80.53% on MRI and 83.05% on CT were achieved for downstream subregion segmentation, without using CT subregion annotations. These results demonstrate that a unified anatomical representation can support both cross-modality pancreas segmentation and label-efficient downstream transfer.
• Abstract（参考訳）: 画像モダリティにまたがるロバストな医用画像のセグメンテーションは、外観と強度分布に大きな違いがあるため困難である。 単一のモダリティでトレーニングされたモデルは、目に見えないドメインに適用した場合、大きなパフォーマンス低下を示すことが多い。 本研究では,4,604個の異種CTおよびMRIスキャンにドメイン・アドバイザリー・ラーニングを適用し,解剖学的表現を学習する,統一的な3次元膵分画フレームワークを開発する。 共有のnnU-Netエンコーダデコーダは、CT-MRI機能アライメントを奨励する潜在ドメイン判別器を用いて、全膵領域セグメンテーションのために訓練される。 学習したエンコーダは、MRIのみに制限されたサブリージョンアノテーションを使用して、膵頭部-体-尾のセグメンテーションに転送される。 ディストリビューションテストセットの平均Diceスコアは87.31%であり、外部OODデータセット全体で84.20%から88.09%の範囲でDiceスコアが達成された。 MRIでは80.53%,CTでは83.05%であった。 これらの結果は、統一された解剖学的表現は、相互モダリティ膵セグメンテーションとラベル効率の低い下流輸送の両方をサポートすることを証明している。

関連論文リスト

• Deep Learning-Based Segmentation of Peritoneal Cancer Index Regions from CT Imaging [4.122270062114755]
  腹膜転移の診断には腹腔鏡が有用である。 放射線学的PCI(r PCI)を促進する3次元領域の定義に関する最近のコンセンサス研究 本稿では,rPCI領域をCT上に自動的に分割する深層学習手法を提案する。
  論文  参考訳（メタデータ） (2026-04-30T10:39:18Z)
• Rethink Domain Generalization in Heterogeneous Sequence MRI Segmentation [1.3753367700362567]
  PancreasDGは、大規模な3次元MRI膵セグメンテーションデータセットである。 PancreasDGは、医療画像の領域一般化のための新しいベンチマークを設定している。
  論文  参考訳（メタデータ） (2025-07-30T21:26:28Z)
• 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)
• Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.76736949127792]
  我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。 BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。 上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
  論文  参考訳（メタデータ） (2024-05-16T03:23:57Z)
• M3BUNet: Mobile Mean Max UNet for Pancreas Segmentation on CT-Scans [25.636974007788986]
  我々は,M3BUNetを提案する。M3BUNetはMobileNetとU-Netニューラルネットワークの融合で,2段階に分けて膵CT像を段階的に分割する,新しい平均値(MM)アテンションを備える。 細かなセグメンテーションの段階では、ウェーブレット分解フィルタを用いてマルチインプット画像を作成することにより、膵のセグメンテーション性能が向上することがわかった。 提案手法は,最大89.53%のDice similarity Coefficient(DSC)値と最大81.16のIntersection Over Union(IOU)スコアをNIH pancreasデータセットで達成する。
  論文  参考訳（メタデータ） (2024-01-18T23:10:08Z)
• TRUSTED: The Paired 3D Transabdominal Ultrasound and CT Human Data for Kidney Segmentation and Registration Research [42.90853857929316]
  腹部超音波(US)データを用いたIMIR(Inter-modal Image registration)と画像分割は,多くの重要な臨床応用例である。 ヒト48例の経腹部3DUSとCT腎像を組み合わせたTRUSTED(Tridimensional Ultra Sound TomodEnsitometrie dataset)を提案する。
  論文  参考訳（メタデータ） (2023-10-19T11:09:50Z)
• 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)
• Generative Adversarial Networks for Weakly Supervised Generation and Evaluation of Brain Tumor Segmentations on MR Images [0.0]
  本研究は2次元磁気共鳴画像におけるセグメント異常に対する弱教師付きアプローチを示す。 我々は,癌画像を健全な変種に変換するGAN(Generative Adversarial Network)を訓練する。 非共役な変種は、弱監督的な方法で分割を評価するためにも用いられる。
  論文  参考訳（メタデータ） (2022-11-10T00:04:46Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。