論文の概要: FSS-UBrain: Multi-region Few-Shot Brain Tumor MRI Segmentation

• arxiv url: http://arxiv.org/abs/2609.32273v1
• Date: Sat, 26 Sep 2026 06:01:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 18:14:13.102702
• Title: FSS-UBrain: Multi-region Few-Shot Brain Tumor MRI Segmentation
• Title（参考訳）: FSS-UBrain : 多領域Few-Shot脳腫瘍MRI
• Abstract要約: FSS-UBrainは、リージョンワイドのワンショットセグメンテーションフレームワークである。 サポート由来のフォアグラウンドとバックグラウンド記述子は、クエリ機能適応、ボトルネック相互作用、デコーダ側再構築、境界修正をガイドする。 FSS-UBrain は BraTS 2023 と BraTS-Africa 上で、BraTS 2020 の分割および目標支援のクロスコホートプロトコルで評価される。
• 参考スコア（独自算出の注目度）: 2.1782383843107573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate delineation of whole tumor (WT), tumor core (TC), and enhancing tumor (ET) from multimodal magnetic resonance imaging remains challenging under limited annotation, cross-cohort variation, and severe target sparsity. We propose FSS-UBrain, a region-wise one-shot segmentation framework that uses a labeled positive support slice to condition binary query segmentation separately for WT, TC, and ET. Support-derived foreground and background descriptors guide query-feature adaptation, bottleneck interaction, decoder-side reconstruction, and boundary refinement. Episodic training additionally incorporates hard-negative and fully negative queries with empty-query regularization to suppress spurious foreground activation when the selected region is absent. Although inference operates on two-dimensional support--query slice pairs, checkpoint selection, threshold calibration, and final evaluation are performed after volumetric reconstruction. FSS-UBrain is evaluated on a held-out BraTS 2020 split and under target-supported cross-cohort protocols on BraTS 2023 and BraTS-Africa. Cases used as target support are excluded from the query cohorts, and no target-domain fine-tuning or test-time parameter updates are performed. On BraTS 2020, FSS-UBrain achieves volumetric Dice scores of 89.82%, 82.14%, and 77.42% for WT, TC, and ET, respectively, with corresponding 95th-percentile Hausdorff distance (HD95) values of 11.12, 9.01, and 4.46 mm. It also achieves the highest mean Dice and lowest finite-pair mean HD95 point estimates on BraTS 2023 and BraTS-Africa among the compared few-shot methods. These findings support target-conditioned few-shot segmentation while highlighting sensitivity to support selection and cohort-specific variation.
• Abstract（参考訳）: 腫瘍全体 (WT) , 腫瘍コア (TC) , およびマルチモーダル核磁気共鳴画像からの造影腫瘍 (ET) の正確な脱線は, 限定的アノテーション, クロスコホート変動, 重度ターゲット間隔の下では依然として困難である。 FSS-UBrainは、WT, TC, ETに対して、ラベル付きポジショニングスライスを用いてバイナリクエリセグメンテーションを個別に条件付けする、地域単位のワンショットセグメンテーションフレームワークである。 サポート由来のフォアグラウンドとバックグラウンド記述子は、クエリ機能適応、ボトルネック相互作用、デコーダ側再構築、境界修正をガイドする。 エピソードトレーニングは、選択された領域が欠如しているときに、急激なフォアグラウンド活性化を抑制するために、空のクエリ正規化を伴うハード負のクエリとフル負のクエリも組み込む。 2次元スライスペアで推論を行うが、検点選択、しきい値校正、最終的な評価はボリューム再構成後に行われる。 FSS-UBrain は BraTS 2023 と BraTS-Africa 上で、BraTS 2020 の分割および目標支援のクロスコホートプロトコルで評価される。 ターゲットサポートとして使用されるケースはクエリコホートから除外され、ターゲットドメインの微調整やテスト時間パラメータの更新は行われない。 BraTS 2020において、FSS-UBrainは、それぞれWT、TC、ETで89.82%、82.14%、77.42%のボリュームディススコアを獲得し、95セントのハウスドルフ距離(HD95)は11.12、9.01、4.46mmである。 また、比較された数発の手法の中で、Diceの平均値と、BraTS 2023とBraTS-Africaの平均HD95点推定値の最高値も達成している。 これらの所見は,選択性およびコホート特異的な変動に対する感受性を強調しつつ,目標条件付き小ショットセグメンテーションを支持した。

関連論文リスト

• SegGuidedNet: Sub-Region-Aware Attention Supervision for Interpretable Brain Tumor Segmentation [5.995766869240907]
  我々は,デコーダネットワークであるSegGuidedNetを提案する。このデコーダは,デコーダを監督し,各腫瘍の亜領域壊死コア,頭蓋周囲浮腫に対する空間的識別的アテンションマップを生成し,軽量な補助的損失により腫瘍を増強し,パラメーターのオーバーヘッドを0.2%以下に抑える。 SegGuidedNetは平均Dice 0.905を達成し、アンサンブルベースのnnU-NetとHNF-Netv2を1モデルとして上回り、Swin UNETRに2～4Diceポイント以内の10モデルアンサンブルに近づいた。
  論文  参考訳（メタデータ） (2026-05-21T14:50:04Z)
• FUGC: Benchmarking Semi-Supervised Learning Methods for Cervical Segmentation [63.7829089874007]
  本稿では,頚椎椎間板断裂における半教師あり学習のための最初のベンチマークであるFetal Ultrasound Grand Challenge (FUGC)を紹介する。 FUGCは、500のトレーニング画像、90の検証画像、300のテスト画像を含む890のTVSイメージのデータセットを提供する。 Dice similarity Coefficient (DSC), Hausdorff Distance (HD), and Runtime (RT), with a weighted combination of 0.4/0.4/0.2。
  論文  参考訳（メタデータ） (2026-01-22T01:34:39Z)
• DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights [54.87947751720332]
  脳腫瘍の正確なセグメンテーションは、臨床診断と治療に重要である。 マンバを拠点とするState Space Modelsは、有望なパフォーマンスを示している。 本稿では,計算オーバーヘッドを最小限に抑えながら,マルチスケールの長距離依存関係をキャプチャするマルチ解像度双方向マンバを提案する。
  論文  参考訳（メタデータ） (2025-10-16T07:31:21Z)
• Optimizing Brain Tumor Segmentation with MedNeXt: BraTS 2024 SSA and Pediatrics [0.6820272276959313]
  本研究は,MedNeXtを用いたBraTS-2024 SSAおよび小児腫瘍のセグメンテーション法について述べる。 提案手法は,BraTS-2024 SSAデータセットでは平均Dice similarity Coefficient(DSC)が0.896,BraTS小児腫瘍データセットでは平均DSCが0.830であった。
  論文  参考訳（メタデータ） (2024-11-24T15:19:19Z)
• 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)
• H2NF-Net for Brain Tumor Segmentation using Multimodal MR Imaging: 2nd Place Solution to BraTS Challenge 2020 Segmentation Task [96.49879910148854]
  当社のH2NF-Netは、単一およびカスケードのHNF-Netを使用して、異なる脳腫瘍サブリージョンを分割します。 我々は、マルチモーダル脳腫瘍チャレンジ(BraTS)2020データセットでモデルをトレーニングし、評価した。 提案手法は,80名近い参加者のうち,brats 2020チャレンジセグメンテーションタスクで2位となった。
  論文  参考訳（メタデータ） (2020-12-30T20:44:55Z)

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。