論文の概要: Text-Guided Medical Image Segmentation via Residual Aggregation and Dense Alignment Representations

• arxiv url: http://arxiv.org/abs/2610.14944v1
• Date: Sat, 10 Oct 2026 14:20:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 03:16:57.437165
• Title: Text-Guided Medical Image Segmentation via Residual Aggregation and Dense Alignment Representations
• Title（参考訳）: 残留アグリゲーションと高密度アライメント表現によるテキストガイド型医用画像分割
• Abstract要約: テキスト誘導医療画像セグメンテーションのためのパラメータ効率のよいフレームワークであるRADARを提案する。 RADARは、BiomedCLIPの医用セマンティックアンカー能力と、MedSAM2のプロンプト駆動マスクデコード能力を明確に分離し、相乗効果を与える。 3つの公開医療画像セグメンテーションデータセットの実験では、RADARはわずか0.74Mのトレーニング可能なパラメータで競争性能を達成した。
• 参考スコア（独自算出の注目度）: 21.03705294940173
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Specifying segmentation targets with natural language provides flexible semantic conditioning for medical image segmentation. However, existing methods still struggle to reliably ground high-level textual semantics into accurate pixel-level spatial prompts, especially under low-contrast lesions, ambiguous boundaries, and visually similar anatomical contexts. In this paper, we propose RADAR (Residual Aggregation and Dense Alignment Representations), a parameter-efficient framework for text-guided medical image segmentation. RADAR explicitly decouples and synergizes the medical semantic anchoring capability of BiomedCLIP with the prompt-driven mask decoding ability of MedSAM2, while enabling low-cost task adaptation via LoRA. Specifically, Guided Residual Depth Aggregation adaptively aggregates cross-layer features under semantic guidance to alleviate delayed textual injection and deep semantic dilution. Structured Dense Representation Alignment leverages a frozen BiomedCLIP to construct crop-level target, boundary, and context anchors, improving the local discriminability of dense features and the reliability of automatic prompts. Multi-modal Prompt Generation further converts cross-modal semantic responses into composite text, point, and mask prompts for MedSAM2 decoding. Experiments on three public medical image segmentation datasets show that RADAR achieves competitive performance with only 0.74M trainable parameters, demonstrating its effectiveness in parameter-efficient adaptation, semantic grounding, and dense representation enhancement. The source code is available at https://github.com/JGuiidev/RADAR.
• Abstract（参考訳）: 自然言語によるセグメンテーションターゲットの特定は、医用画像セグメンテーションのための柔軟なセグメンテーションを提供する。 しかし、既存の手法では、高レベルのテキスト意味論を正確なピクセルレベルの空間的プロンプト、特に低コントラスト病変、曖昧な境界、視覚的に類似した解剖学的文脈に確実に根ざすことに苦慮している。 本稿では,テキスト誘導医療画像セグメンテーションのためのパラメータ効率の高いフレームワークであるRADAR(Residual Aggregation and Dense Alignment Representations)を提案する。 RADARは、MedSAM2のプロンプト駆動マスク復号能力とBiomedCLIPの医用セマンティックアンカー能力を明示的に分離し、相乗効果を発揮する。 特に、ガイドされた残留深さ集約は、遅延テキスト注入と深い意味的希釈を緩和するために、セマンティックガイダンスの下で、層間特徴を適応的に集約する。 構造化Dense Representation Alignmentは凍結されたBiomedCLIPを利用して、作物レベルのターゲット、バウンダリ、コンテキストアンカーを構築し、密集した特徴の局所的な識別性と自動的なプロンプトの信頼性を向上させる。 Multi-modal Prompt Generationは、MedSAM2デコードのための複合テキスト、ポイント、マスクプロンプトにクロスモーダルなセマンティックレスポンスを変換する。 3つの公開医用画像セグメンテーションデータセットの実験により、RADARはわずか0.74Mのトレーニング可能なパラメータで競争性能を達成し、パラメータ効率の適応、セマンティックグラウンドディング、密度表現の強化におけるその効果を実証した。 ソースコードはhttps://github.com/JGuiidev/RADAR.comで入手できる。

関連論文リスト

• From Reasoning to Pixels: Grounded Medical Multimodal LLMs for VQA and Segmentation [24.67847881046532]
  textscMedREAL (textbfMedical textbfREasoning-driven textbfAnswering and textbfLocalization)は、言語推論と空間的接地をシームレスに整合させる統一フレームワークである。 textscMedREALは最先端技術よりも優れており、ベンチマーク評価では68.49%のgIoUと70.47%のcIoUを達成している。
  論文  参考訳（メタデータ） (2026-08-27T09:23:16Z)
• Text as Illumination: Spatial Contrastive Retinex Learning for Language-guided Medical Image Segmentation [81.21550084361755]
  言語誘導医療画像(LMIS)は解剖学的構造や病変の描写を改善する大きな可能性を示している。 既存の手法では、テキストと視覚的特徴間の暗黙的な相互作用や、モーダル・アライメントのための粗いきめ細かな監督に依存している。 本稿では,テキスト埋め込みを意味的な照明として扱う新しいフレームワークであるText-as-Illumination Retinex Network (TIRNet)を提案する。
  論文  参考訳（メタデータ） (2026-06-26T07:27:48Z)
• Multi-View Synergistic Learning with Vision-Language Adaption for Low-Resource Biomedical Image Classification [59.24009931000134]
  MVSL(Multi-View Synergistic Learning)は、適応パラダイム、表現の粒度、疾患の意味的関係に対処する統合フレームワークである。 MVSLは、視覚的およびテキスト的エンコーダの適応を分離し、それぞれの表現特性を尊重する。 さらに、グローバルなイメージセマンティクスと局所的な病変レベルの証拠の両方を明示的にモデル化するために、多粒性コントラスト学習を導入する。 MVSLは、いくつかのショットとゼロショットの分類設定において、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2026-04-27T02:41:27Z)
• Spatial-aware Symmetric Alignment for Text-guided Medical Image Segmentation [7.514759533994352]
  テキスト誘導医療画像は、医用画像のセグメンテーションをかなり約束している。 本研究では,ハイブリッド医療用テキストを参照する能力を高めるため,空間認識型対称アライメント(SSA)フレームワークを提案する。 SSAは、特に空間的制約によって特徴づけられる病変を正確に分断する際に、最先端のSOTA(State-of-the-art)性能を達成する。
  論文  参考訳（メタデータ） (2025-12-28T16:02:42Z)
• 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)
• Text-driven Multiplanar Visual Interaction for Semi-supervised Medical Image Segmentation [48.76848912120607]
  半教師付き医用画像セグメンテーションは,高コストなデータアノテーションを緩和するための重要な手法である。 半教師型医用画像セグメンテーションのための新しいテキスト駆動型多面的視覚インタラクションフレームワーク(Termed Text-SemiSeg)を提案する。 我々のフレームワークは3つの主要なモジュールで構成されている。テキスト強化多平面表現(TMR)、カテゴリー認識セマンティックアライメント(CSA)、動的認知強化(DCA)である。
  論文  参考訳（メタデータ） (2025-07-16T16:29:30Z)
• PathDiff: Histopathology Image Synthesis with Unpaired Text and Mask Conditions [38.32128533564591]
  公開データセットには、同じ病理像に対するペアテキストとマスクデータがない。 マスクテキストデータから効果的に学習する拡散フレームワークPathDiffを提案する。 PathDiffは、構造的特徴と文脈的特徴を正確に制御し、高品質で意味論的に正確な画像を生成する。
  論文  参考訳（メタデータ） (2025-06-30T00:31:03Z)
• Language-guided Medical Image Segmentation with Target-informed Multi-level Contrastive Alignments [7.9714765680840625]
  ターゲット型マルチレベルコントラストアライメント(TMCA)を用いた言語誘導セグメンテーションネットワークを提案する。 TMCAは、言語誘導セグメンテーションにおけるパターンギャップを橋渡しするために、ターゲット・インフォームド・クロスモダリティアライメントときめ細かいテキストガイダンスを可能にする。
  論文  参考訳（メタデータ） (2024-12-18T06:19:03Z)
• Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
  高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。 これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。 提案手法は他の最先端アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2024-05-15T00:17:48Z)
• Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
  テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。 本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。 本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。 セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
  論文  参考訳（メタデータ） (2021-10-04T03:59:15Z)

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。