論文の概要: SADL: A Size-Adaptive Decision Layer for Chronic Stroke Lesion Segmentation in ISLES 2026

• arxiv url: http://arxiv.org/abs/2610.13422v1
• Date: Fri, 09 Oct 2026 11:28:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.552865
• Title: SADL: A Size-Adaptive Decision Layer for Chronic Stroke Lesion Segmentation in ISLES 2026
• Title（参考訳）: SADL : ISLES 2026における慢性脳卒中病変分離のためのサイズ適応型決定層
• Abstract要約: 慢性虚血性脳梗塞はT1強調MRIではセグメント化が困難である。 我々は11人のメンバーからなるnnU-Netアンサンブルを構築し、このアンサンブルは5つの設計軸をカバーしている:サイス+トップK損失、重増、レシオンあたりのボリューム損失の再重み付け、サンプリング・アンド・アーキテクチャブロック。
• 参考スコア（独自算出の注目度）: 0.22067925276806286
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Chronic ischemic stroke lesions are difficult to segment on T1-weighted MRI. Their appearance overlaps with healthy tissue, and their volumes span four orders of magnitude, so voxel-level and lesion level metrics often disagree. We build an eleven-member nnU-Net ensemble that covers five design axes: a baseline dice + top-K loss, heavy augmentation, per-lesion volume loss re-weighting, stochastic weight averaging, and a sampling-and-architecture block that pairs cohort-balanced sampling with a residual-encoder backbone. Weighted soft-map fusion of the members feeds a tuned decision layer, SADL, that estimates lesion volume, applies an adaptive per-lesion-size threshold, prunes components by voxel count and peak probability, and adds a never-empty rescue. All fusion weights and per-bucket parameters are fitted on out-of-fold (OOF) predictions, so tuning never touches the held-out test set. On a site-disjoint 91-case holdout, SADL reaches Dice 0.7322, lesion-F1 0.7461 and PR-AUC 0.8430 when scored online with the challenge's released evaluation code. A paired non-parametric bootstrap against a reference single ensemble member confirms the lesion-F1 gain at p=0.024, and the gain is largest in the small-lesion regime, where the rescue step recovers cases that a fixed threshold would silently discard.
• Abstract（参考訳）: 慢性虚血性脳梗塞はT1強調MRIではセグメント化が困難である。 外観は健康な組織と重なり、体積は4桁に及ぶため、ボクセルレベルの測定値と病変レベルの測定値はしばしば一致しない。 我々は、ベースラインダイス+トップK損失、重み付け、レシオンあたりのボリューム損失再重み付け、確率的ウェイト平均化、コホートバランスサンプリングと残エンコーダバックボーンとのペアリングを行うサンプリング・アンド・アーキテクチャブロックの5つの設計軸をカバーする、11員のnnU-Netアンサンブルを構築した。 メンバーの重み付けされたソフトマップ融合は、調整された決定層(SADL)を供給し、病変の体積を推定し、適応的なパーレジオンサイズのしきい値を適用し、コンポーネントをボクセル数とピーク確率でプーンし、不要な救助を加える。 すべての融合重みとバケット毎のパラメータは、アウト・オブ・フォールド(OOF)予測に適合しているため、チューニングは保持されたテストセットに触れることはない。 サイトが分離した91ケースホールトアウトでは、SADLがDice 0.7322, lesion-F1 0.7461, PR-AUC 0.8430に達する。 基準単一アンサンブル部材に対する対の非パラメトリックブートストラップは、病変-F1ゲインをp=0.024で確認し、このゲインは、固定しきい値が静かに破棄されるケースを回収する小リーグ体制において最大である。

関連論文リスト

• Spectral Features Dominate BCG Respiratory-Event Detection: A Large-Scale Patient-Independent Comparison of Feature Groups in Sleep Apnea Patients [33.60217549899358]
  バリスト心電図(BCG)は長期睡眠時無呼吸モニタリングにおいて有望なモダリティである。 呼吸異常の検出においてどの信号の特徴が最も識別されているかは、まだ不明である。 BCG特徴群10群を文献的,患者非依存的に比較検討した。
  論文  参考訳（メタデータ） (2026-08-28T11:56:12Z)
• Post-Operative Glioma Segmentation via Loss Stabilization, Normalization and Subspace Attention [46.03321798937855]
  ドメインシフトの際,GDL(Generalized Dice Loss)が不安定であることを示す。 本稿では,ボトルネック機能を再校正するサブスペース・アウェア・クラス・アテンション(SACA)モジュールを提案し,腫瘍の感度を8%向上させる。
  論文  参考訳（メタデータ） (2026-07-23T09:59:30Z)
• Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
  通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。 我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。 ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
  論文  参考訳（メタデータ） (2026-07-07T10:10:00Z)
• FedCC: A Low-Resource Federated Adaptation of Foundation Models for Robust Corpus Callosum localization in Fetal Ultrasound Images [34.592227505836156]
  胎児US画像におけるコーパス・カロサム(CC)の局在化のためのフレームワークであるFedCCを提案する。 このフレームワークは凍結したDINOv2バックボーンと軽量なYOLOベースの検出ヘッドを統合している。 計算と通信のオーバーヘッドを大幅に減らし、低リソース環境に適したフレームワークとなる。
  論文  参考訳（メタデータ） (2026-06-30T09:02:13Z)
• Opportunistic Bone-Loss Screening from Routine Knee Radiographs Using a Multi-Task Deep Learning Framework with Sensitivity-Constrained Threshold Optimization [9.995968038491128]
  変形性骨折を発症するまで、骨粗しょう症や骨減少症は診断されないことが多い。 変形性膝関節症評価のために, 膝X線撮影を行った。 単一チャネルグレースケール膝X線撮影のためのマルチタスクフレームワークSTR-Netを開発した。
  論文  参考訳（メタデータ） (2026-04-22T07:12:04Z)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Automated glenoid bone loss measurement and segmentation in CT scans for pre-operative planning in shoulder instability [4.618498494409548]
  肩関節不安定症の手術計画には, 骨量測定の信頼性が不可欠である。 三次元CTスキャンによるグリノイド骨量計測のための完全自動深層学習パイプラインの開発と評価を行った。
  論文  参考訳（メタデータ） (2025-11-18T03:12:22Z)
• I Detect What I Don't Know: Incremental Anomaly Learning with Stochastic Weight Averaging-Gaussian for Oracle-Free Medical Imaging [2.384534878752428]
  異常ラベルを使わずに,信頼度の高い正規サンプル群を漸進的に拡張する,教師なしのオラクルフリーフレームワークを導入する。 凍結した事前訓練された視覚バックボーンは、小さな畳み込みアダプタで拡張され、無視できる計算オーバーヘッドを伴う高速なドメイン適応が保証される。 COVID-CXRでは、ROC-AUCは0.9489から0.9982に改善され、肺炎CXRでは0.6834から0.8968に上昇し、脳MRIではND-5では0.6041から0.7269に上昇する。
  論文  参考訳（メタデータ） (2025-11-05T23:28:14Z)
• Learning from Anatomy: Supervised Anatomical Pretraining (SAP) for Improved Metastatic Bone Disease Segmentation in Whole-Body MRI [0.7330217643497285]
  本稿では,解剖ラベルの限られたデータセットから学習するSAP(Supervised Anatomical Pretraining)法を提案する。 SAPはベースラインモデルとSSLプリトレーニングされたモデルの両方で大幅に優れており、正規化表面Diceは0.76、Dice係数は0.64である。 1ml以上の臨床関連病変のみを考慮すると、SAPは32例中28例において100%の感度で検出できる。
  論文  参考訳（メタデータ） (2025-06-24T12:59:44Z)

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。