論文の概要: M3-Score: Fidelity, Memorization and Coverage as Separate Axes for Evaluating Generative Radiology Image Models

• arxiv url: http://arxiv.org/abs/2609.33769v1
• Date: Sun, 27 Sep 2026 17:10:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 16:50:06.282489
• Title: M3-Score: Fidelity, Memorization and Coverage as Separate Axes for Evaluating Generative Radiology Image Models
• Title（参考訳）: M3スコア:生成放射線画像モデル評価のための別軸としての忠実度・記憶・被覆
• Abstract要約: M3-ScoreはRadioDINO-s16に基づく評価フレームワークである。 BraTS脳MRIでは、忠実度軸が重度増加の5つの比較セットを指示した。 20倍のサンプルサイズで、平均M3値はFréchet Inception Distanceの2.52と比べて1.05倍に変化した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantitative evaluation of generative models for radiology remains challenging. Clinically relevant structures are often small and infrequent, feature spaces learned from natural images may represent them poorly, and a single summary score cannot distinguish limited fidelity from limited diversity. This study proposes the Medical Multi-axis Maximum Mean Discrepancy score (M3-Score), an evaluation framework based on RadioDINO-s16, a frozen vision transformer pretrained on radiology images. M3-Score reports three complementary axes computed at pre-specified encoder depths: \emph{fidelity}, measured by an unbiased multi-bandwidth radial basis function (RBF) MMD$^2$ at the final block; \emph{memorization}, measured by nearest-neighbor distances at 75\% depth; and \emph{coverage}, defined as the fraction of real images with a generated neighbor within their $k$-nearest-neighbor radius at 33\% depth. Reference sets are sampled across subjects to limit the influence of correlated slices. On BraTS brain MRI, the fidelity axis ordered five comparison sets of increasing severity (Spearman $ρ= 1.00$), and a subject-disjoint real set yielded $\mathrm{MMD}^2 = 0$ (permutation $p = 1$). An unconditional denoising diffusion probabilistic model achieved $\mathrm{MMD}^2 = 0.073$ (95\% confidence interval $[0.071, 0.080]$) but covered only 38\% of the real distribution. Under progressive mode dropping, $k$-NN manifold recall increased at all twelve encoder blocks, whereas the proposed coverage estimator decreased monotonically ($ρ= -1.00$). RadioDINO-s16 features separated real brain MRI from generated samples with a ROC-AUC of 0.819, compared with 0.555 for InceptionV3 and 0.582 for CLIP. Across a twentyfold range of sample sizes, the mean M3 value varied by a factor of 1.05, compared with 2.52 for the Fréchet Inception Distance.
• Abstract（参考訳）: 放射線学における生成モデルの定量的評価は依然として困難である。 臨床的に関係のある構造は、しばしば小さく、頻度の低いものが多く、自然画像から学習した特徴空間は、それらが不十分であり、単一の要約スコアは、限られた多様性から限られた忠実さを区別できない。 本研究では,X線画像に基づく凍結型視覚変換器であるRadioDINO-s16に基づく評価フレームワークであるM3-Scoreを提案する。 M3-Scoreは、あらかじめ特定されたエンコーダ深さで計算された3つの相補的軸を報告している: \emph{fidelity}, 未バイアスマルチバンド幅ラジアル基底関数 (RBF) MMD$^2$ 最終ブロックで測定する。 参照セットは、相関スライスの影響を制限するために、被験者間でサンプリングされる。 BraTS 脳MRIにおいて、忠実度軸は重大度が増加する5つの比較集合(Spearman $ρ=1.00$)を順序付けし、主成分分離実集合は$\mathrm{MMD}^2 = 0$(permutation $p = 1$)を得た。 非条件の拡散確率モデルは、$\mathrm{MMD}^2 = 0.073$ (95\% 信頼区間$[0.071, 0.080]$)を達成したが、実際の分布の38\%しかカバーしなかった。 プログレッシブモードの低下により、$k$-NN多様体のリコールは12のエンコーダブロックすべてで増加し、提案されたカバレッジ推定器は単調に減少する(ρ= -1.00$)。 RadioDINO-s16 は 0.819 のROC-AUC で生成されたサンプルから、InceptionV3 の0.555 と CLIP の0.582 を分離した実脳MRI を特徴としている。 20倍のサンプルサイズで、平均M3値はFréchet Inception Distanceの2.52と比べて1.05倍に変化した。

関連論文リスト

• SAMI3D-DW: Interactive Segmentation of Any 3D Medical Images [41.76270845556824]
  SAMI3D-DWは、Deepwiseの大規模プロプライエタリな医療画像データセットに基づいてトレーニングされたインタラクティブな3Dセグメンテーションモデルである。 219のソースデータセットから4,326のケースからなるCT/MRベンチマークを用いて,ユーザインタラクションのシミュレーションによるモデルの評価を行った。 放射線医や臨床医にとって、SAMI3D-DWは、CT上の頭蓋内血管木やMR血管造影などの複雑な解剖学的構造を数クリックで分割することができる。
  論文  参考訳（メタデータ） (2026-09-22T06:25:11Z)
• Detection is solved, delineation is not: what governs tooth segmentation on panoramic radiographs [0.3262230127283452]
  本研究は,42,142個の歯科用ポリゴンを含む1,422個のパノラマX線撮影装置を組み立てた。 入力解像度、アーキテクチャ、解剖学的事前を単一の評価プロトコルで分離するために使用する。
  論文  参考訳（メタデータ） (2026-09-18T11:08:02Z)
• Occlusal Geometry in Closed Form for Orthodontic Report Generation [0.0]
  上述のRAS規約に代えて,アーチテーパーとアーチ閉鎖から解剖学的フレームを回収する。 各アーチは, オーバービット, オーバージェット, ミッドライン偏差, 横オーバーラップ, クロスビット範囲, 交叉ラグ, 咬合曲線を有するアーチ角座標において, 咬合隆起プロファイルに還元される。
  論文  参考訳（メタデータ） (2026-09-02T14:58:29Z)
• CATCH: Counterfactual Anatomical Tissue Inpainting with Conditional Haar Diffusion [0.7874708385247353]
  BraTS局所合成は、T1強調脳MRIのマスク領域を可塑性腫瘍のない組織に置き換える。 逆ハールウェーブレット領域における条件付き3次元拡散であるCATCHを提案する。 固定マスク,腫瘍成分増強,腫瘍由来,不規則ブロックおよび楕円体マスクの重み付け混合物の比較を行った。
  論文  参考訳（メタデータ） (2026-09-01T12:51:22Z)
• Zero-Shot Adaptation of Medical Vision Foundation Models for High-Frequency Micro-Ultrasound Prostate Segmentation [0.28675177318965045]
  従来の超音波は、腺の正確な境界をぼかす。 マイクロ超音波(29MHz)は解像度を3倍改善するが、外壁を隠蔽する密度の高い音響スペックルを導入している。 監督された手法はコストがかかり、スキャナー全体の一般化が不十分である。 我々は、このモダリティのための最初のゼロショットパイプラインを提示する: MedSAMは150万以上の医療画像で事前訓練されている。
  論文  参考訳（メタデータ） (2026-08-14T18:07:15Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• SA-CycleGAN-2.5D: Self-Attention CycleGAN with Tri-Planar Context for Multi-Site MRI Harmonization [3.5109108807229403]
  本稿では,Ben-David らによる$HH$-divergence 境界によるドメイン適応フレームワーク SA-CycleGAN-2.5D を提案する。 2D効率と3D一貫性をブリッジすることで,腫瘍の病態を保ったボクセルレベルの高調波画像が得られる。
  論文  参考訳（メタデータ） (2026-03-17T23:49:46Z)
• High-Dimensional Gaussian Mean Estimation under Realizable Contamination [43.56842719227285]
  本研究では,$mathbbRd$における同一性共分散を持つガウス分布の平均推定を,$$$-contaminationモデルと呼ばれるデータスキームの欠如の下で行う。 このモデルでは、相手は 0 から $$ の間の関数 $r(x)$ を選択でき、各サンプル $x$ は確率 $r(x)$ で失われる。
  論文  参考訳（メタデータ） (2026-03-17T17:04:18Z)
• Pillar-0: A New Frontier for Radiology Foundation Models [41.640120966890954]
  腹部骨盤CT42,990例,胸部CT86,411例,頭部CT14,348例,胸部MRI11,543例にPillar-0を導入した。 Pillar-0は平均86.4、88.0、90.1、82.9のAUROCを達成し、MedGemma (Google)、MedImageInsight (Microsoft)、Lingshu (Alibaba)、Merlin (スタンフォード)を7.8-15.8のAUROCポイントで上回り、87.2% (319/366)タスクでランクインしている。
  論文  参考訳（メタデータ） (2025-11-21T21:50:34Z)
• Developing Univariate Neurodegeneration Biomarkers with Low-Rank and Sparse Subspace Decomposition [37.62559407222313]
  アルツハイマー病(AD)による認知機能低下は、構造磁気共鳴画像(sMRI)で捉えた脳構造変化と密接に関連している AD認知症(ADD)による形態変化を安定的に定量化できる新しい低ランク・スパース部分空間分解法を提案する。 実験結果は従来の海馬容積測定よりも優れており,UMIをUNBとして適用することを提案する。
  論文  参考訳（メタデータ） (2020-10-26T23:42:43Z)

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。