論文の概要: SIRA: Reasoning-Aware Surgical Instrument Segmentation via Query-Anchored Alignment
- arxiv url: http://arxiv.org/abs/2609.21402v1
- Date: Fri, 18 Sep 2026 07:17:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.892479
- Title: SIRA: Reasoning-Aware Surgical Instrument Segmentation via Query-Anchored Alignment
- Title（参考訳）: SIRA:クエリアンコレッドアライメントによる手術器具のセグメンテーション
- Abstract要約: 外科的文脈下での問合せ推論としてセグメンテーションをフレーム化するタスク条件の定式化であるReasoning-Aware Surgery Instrument (RA-SIS)を紹介する。
SurgRSに基づいて、ターゲットレベルとクエリレベルのセマンティクスをアンタングル化し、それらを視覚的特徴と統合するマルチモーダルフレームワークであるSIRA(Stagement Instrument Reasoning and Assistant)を提案する。
- 参考スコア（独自算出の注目度）: 17.12835512071567
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Surgical instrument segmentation (SIS) plays a critical role in robotic assistance and surgical workflow analysis. However, most existing SIS methods formulate segmentation as a category-driven localization problem, limiting their ability to capture procedural context and task-dependent semantics in surgical workflows. We introduce Reasoning-Aware Surgical Instrument Segmentation (RA-SIS), a task formulation that frames segmentation as query-conditioned inference under surgical context. To benchmark this setting, we construct SurgRS, a surgical reasoning segmentation dataset consisting of 41,000 image-text pairs, which aligns instance-level masks with structured query-answer supervision to enable semantic grounding at the pixel level. Based on SurgRS, we propose Surgical Instrument Reasoning and Segmentation Assistant (SIRA), a multimodal framework that disentangles target-level and query-level semantics and integrates them with visual features through query-anchored dual alignment. By aligning query semantics with spatial features and segmentation prompts, SIRA enhances semantic-visual consistency in mask prediction. Extensive experiments on SurgRS demonstrate improvements over existing reasoning-aware baselines. Code is available at https://github.com/linxir226/SIRA.
- Abstract（参考訳）: 外科用器具のセグメンテーション(SIS)は、ロボット補助と外科用ワークフロー解析において重要な役割を担っている。
しかし、既存の SIS メソッドの多くは、カテゴリー駆動のローカライゼーション問題としてセグメンテーションを定式化し、外科的ワークフローにおける手続き的コンテキストやタスク依存のセマンティクスをキャプチャする能力を制限している。
本稿では,外科的文脈下での問合せ条件付き推論としてセグメンテーションをフレーム化するタスク形式であるReasoning-Aware surgery Instrument Segmentation (RA-SIS)を紹介する。
この設定をベンチマークするために,41,000の画像テキストペアからなる外科的推論セグメンテーションデータセットであるSurgRSを構築した。
SurgRSに基づいて、ターゲットレベルとクエリレベルのセマンティクスをアンタングル化し、クエリアンコレートされた二重アライメントを通して視覚的特徴と統合するマルチモーダルフレームワークである、手術機器推論・セグメンテーションアシスタント(SIRA)を提案する。
クエリセマンティクスを空間的特徴やセグメンテーションプロンプトと整合させることで、SIRAはマスク予測におけるセマンティクスと視覚の整合性を高める。
SurgRSに関する大規模な実験は、既存の推論対応ベースラインよりも改善されている。
コードはhttps://github.com/linxir226/SIRAで入手できる。
関連論文リスト
- HyperVLP: Enhancing Hierarchical Surgical Video-Language Pre-training in Hyperbolic Space [50.603248889968306]
階層構造を明示的に保存するハイパーボリックな手術用ビデオ言語事前学習フレームワークを提案する。
複数の手術用ベンチマークの実験は、ゼロショットと少数ショットの位相認識において一貫した利得を示す。
論文 参考訳（メタデータ） (2026-06-30T07:21:06Z) - Object Tokens as a Bridge Between Segmentation and Visual Question Answering in Robotic Surgery [1.4146817306459933]
一つのフレームワーク内でピクセルレベルのセグメンテーションと視覚的質問応答を共同で行う統合フレームワークを提案する。
提案手法は,自家用RAMIE(Robot-Assisted Minimally Invasive Esophagectomy)データセットとEndoVis18データセットを用いて評価した。
その結果,視覚言語モデルにコンテキスト対応オブジェクトトークンを組み込むことで,よりきめ細かな手術シーンの理解が向上することが示唆された。
論文 参考訳（メタデータ） (2026-06-14T15:30:16Z) - RoboSurg-VQA: A Multimodal Benchmark for Surgical Segmentation-Aware Visual Question Answering [15.020056500396478]
セグメント認識型視覚質問応答(VQA)ベンチマークである textbfRoboSurg-VQA を提案する。
各フレームは、手順コンテキスト、解剖学(領域を含む)、画像のモダリティ/ビュー、外科的アーティファクト、画像品質、基本的な可視性および空間特性にまたがる固定された一連の臨床的動機付けられた質問とペアリングされる。
本報告では, 手術条件下でのベンチマーク統計, 衛生基準, 共通評価課題について報告する。
論文 参考訳（メタデータ） (2026-05-21T21:58:11Z) - VLM-Guided Iterative Refinement for Surgical Image Segmentation with Foundation Models [16.299786004060863]
IR-SISは、自然言語記述を受け入れる外科的画像分割のための反復的精細化システムである。
このシステムは、自然言語のフィードバックを通じて、臨床とループの相互作用をサポートする。
本研究は適応型自己補充機能を備えた最初の言語ベースの外科的セグメンテーションフレームワークを確立する。
論文 参考訳（メタデータ） (2026-02-09T22:36:36Z) - TGC-Net: A Structure-Aware and Semantically-Aligned Framework for Text-Guided Medical Image Segmentation [56.09179939570486]
本稿では,パラメータ効率,タスク固有適応に着目したCLIPベースのフレームワークであるTGC-Netを提案する。
TGC-Netは、挑戦的なベンチマークで顕著なDiceゲインを含む、トレーニング可能なパラメータをかなり少なくして、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-12-24T12:06:26Z) - LIRA: Inferring Segmentation in Large Multi-modal Models with Local Interleaved Region Assistance [54.683384204063934]
大規模マルチモーダルモデル(LMM)は不正確なセグメンテーションと幻覚的理解に苦しむ。
視覚的理解とセグメンテーションの相補的関係を生かしたフレームワークであるLIRAを提案する。
LIRAはセグメンテーションと理解タスクの両方で最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-07-08T07:46:26Z) - Rethinking Text-Promptable Surgical Instrument Segmentation with Robust Framework [3.3148826359547514]
我々はRobust text-promptable surgery Instrument (R-SIS)と呼ばれるテキストプロンプタブルなタスクを開発する。
R-SISは、目に見える楽器を参照し、そのような楽器がシーンに明示的に存在している場合にのみマスクを生成するプロンプトを区別する必要がある。
手術用ビデオデータセットを用いたR-SISプロトコルに基づく既存のセグメンテーション手法の評価を行った。
論文 参考訳（メタデータ） (2024-11-19T03:30:44Z) - SurgicalPart-SAM: Part-to-Whole Collaborative Prompting for Surgical Instrument Segmentation [66.21356751558011]
Segment Anything Model (SAM)は、ジェネリックオブジェクトセグメンテーションの約束を示し、様々なアプリケーションに可能性を提供します。
既存の方法では、SAMベースのフレームワークを手術データにチューニングすることで、手術器具セグメンテーション(SIS)にSAMを適用している。
本稿では,楽器構造知識をSAMの汎用知識と明確に統合する新しいSAM効率的なチューニング手法であるStuial Part-SAMを提案する。
論文 参考訳（メタデータ） (2023-12-22T07:17:51Z) - TraSeTR: Track-to-Segment Transformer with Contrastive Query for
Instance-level Instrument Segmentation in Robotic Surgery [60.439434751619736]
そこで我々は,TraSeTRを提案する。TraSeTR,TraSeTR,Trace-to-Segment Transformerは,手術器具のセグメンテーションを支援する。
TraSeTRは、機器の種類、位置、アイデンティティとインスタンスレベルの予測を共同で理由付けている。
提案手法の有効性を,3つの公開データセットに対して,最先端の計器型セグメンテーション結果を用いて実証した。
論文 参考訳（メタデータ） (2022-02-17T05:52:18Z)
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。