論文の概要: FlexiMIND: Combined Pretrained Vision Features and Local Structure for Training-Free Deformable Medical Image Registration

• arxiv url: http://arxiv.org/abs/2610.34600v1
• Date: Sun, 25 Oct 2026 21:55:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.644373
• Title: FlexiMIND: Combined Pretrained Vision Features and Local Structure for Training-Free Deformable Medical Image Registration
• Title（参考訳）: FlexiMIND:非変形型医用画像登録のための事前訓練型視覚特徴と局所構造の組み合わせ
• Abstract要約: 凍結されたFlexiCT-2Dエンコーダがコンテキスト対応を確立し,MIND-SSCがConvexAdam内の変形を改良する,トレーニングフリーでラベルフリーな2段階フレームワークであるFlexiMINDを紹介する。 目標登録誤差(TRE)、Dice類似度係数(Dice)、SDlogJ、局所的折りたたみを用いた性能評価を行った。 FlexiMINDはDIR-Lab 4DCTで1.27 mm、CDCで0.807 DSC、腹部MR-CTで0.825 DSCを達成した。
• 参考スコア（独自算出の注目度）: 3.412966721667886
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objective. Deformable image registration remains challenging because corresponding anatomy may exhibit different intensity relationships. Hand-crafted modality-robust descriptors such as Modality-Independent Neighborhood Descriptor with Self-Similarity Context (MIND-SSC) and features from pretrained vision encoders provide distinct representations for correspondence estimation, but how they should be combined remains unclear. We investigate whether tighter integration improves registration over a sequential, scale-separated design. Approach. We introduce FlexiMIND, a training-free and label-free two-stage framework in which frozen FlexiCT-2D encoder features establish contextual correspondence and MIND-SSC refines the deformation within ConvexAdam. Five alternative feature-coupling strategies were evaluated under a protocol across CT-CT (DIR-Lab 4DCT 4DCT, 10 cases), MR-MR (ACDC, 50 patients), and MR-CT (Learn2Reg Abdomen MR-CT, 8 pairs) registration. Performance was assessed using target registration error (TRE), Dice similarity coefficient (Dice), SDlogJ, and local folding. Main results. FlexiMIND achieved a TRE of 1.27 mm on DIR-Lab 4DCT, a DSC of 0.807 on ACDC, and an organ-averaged DSC of 0.825 on Abdomen MR-CT. Across 15 coupling-strategy dataset comparisons, only four outperformed the reference method, with a maximum absolute improvement of 0.0043 in Dice, whereas degradation reached 20.6 % in TRE and 37.9 % in Dice. Changes in registration accuracy were closely associated with changes in deformation-field regularity, and strategies that better preserved regularity generally remained closest to the reference performance. Landmark-level analysis showed that the pretrained encoder stage primarily reduced large correspondence errors rather than uniformly improving local precision. Code is available upon acceptance at https://github.com/mosaf/FlexiMIND.
• Abstract（参考訳）: 目的。 変形可能な画像登録は、対応する解剖学が異なる強度関係を示す可能性があるため、依然として困難である。 自己相似性コンテキスト(MIND-SSC)を用いたモダリティ非依存近隣記述子のような手作りのモダリティ・ロバスト記述子や、事前学習された視覚エンコーダの特徴は、対応推定のための異なる表現を提供するが、どのように組み合わせるべきかは定かではない。 より緊密な統合は、逐次的かつスケール分離された設計よりも登録を改善するかを検討する。 アプローチ。 凍結されたFlexiCT-2Dエンコーダがコンテキスト対応を確立し,MIND-SSCがConvexAdam内の変形を改良する,トレーニングフリーでラベルフリーな2段階フレームワークであるFlexiMINDを紹介する。 MR-CT (DIR-Lab 4DCT 4DCT, 10例), MR-MR (ACDC, 50例), MR-CT (Learn2Reg Abdomen MR-CT, 8例), MR-CT (Learn2Reg Abdomen MR-CT。 目標登録誤差(TRE)、Dice類似度係数(Dice)、SDlogJ、局所的折りたたみを用いた性能評価を行った。 主な結果。 FlexiMINDはDIR-Lab 4DCTで1.27 mm、CDCで0.807 DSC、腹部MR-CTで0.825 DSCを達成した。 15のカップリング・ストラテジー・データセットの比較では、基準法は4つに過ぎず、最大絶対的な改善はDiceで0.0043、劣化はTREで20.6%、Diceで37.9%であった。 登録精度の変化は変形場正則性の変化と密接に関連しており、より保存率の高い戦略は基準性能に最も近いままであった。 ランドマークレベルの解析により、事前訓練されたエンコーダの段階では、局所精度を均一に向上するのではなく、大きな対応誤差を低減できた。 コードはhttps://github.com/mosaf/FlexiMINDで受け付けている。

関連論文リスト

• When Misalignment Becomes Supervision: Structured Label Noise in Supervised Synthetic CT Generation [1.1707781456806168]
  SCT(Supervised Synthetic CT)生成は、一般的に、登録された基準CT画像に対して、ボクセルワイドレグレッションとして訓練され評価される。 実際には、MRI-CT と CBCT-CT のペアは、残像の不一致を残す登録手順によって整列される。 当科における1,784例のMRI-to-CTとCBCT-to-CTの併用効果について検討した。
  論文  参考訳（メタデータ） (2026-09-24T11:12:07Z)
• Evaluating Transformation Models for pCLE Mosaic Registration [35.483102617462364]
  共焦点レーザー内視鏡はリアルタイムの細胞分解性生検を提供する。 フレームアライメントは通常、精度の定量化が難しい非線形変換を必要とする。 132フレーム対のデータセットを14pCLEシークエンスで作成し,手動で注釈を付した4症例について検討した。
  論文  参考訳（メタデータ） (2026-09-21T13:22:58Z)
• Architectural and Regularization Components in Deep Learning Medical Image Registration: Systematic Ablation Study [0.0]
  正規化だけでゲインの大半を占め、最大変形を53.1から0.51に減らし、99.0%削減した。 組み合わせたモデルでは25.8%(1.78%から2.24%)の精度向上が達成され、解剖学的妥当性は0.596から0.930に上昇した。
  論文  参考訳（メタデータ） (2026-08-23T23:34:20Z)
• Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation [36.94429692322632]
  二段式(悪性/良性)、一段式(良性、MEL、SCC、BCC)、二段式(二段式トリアージ、三段式MEL/SCC/BCC)の3種類を比較した。 すべてのモデルはImageNet-pretrained weightsを使用し、オープンなISICアーカイブデータに1つの拡張プロトコルを使用した。 ISIC MILK10kでは、11級の直接分類により平均級感度0.525が得られる。
  論文  参考訳（メタデータ） (2026-06-11T09:55:57Z)
• Context-driven Missing-Modality Learning for Robust Medical Diagnosis with Image-Tabular Data [38.54068135443487]
  本稿では,コンテキスト駆動型ミス・モダリティ学習フレームワークを提案する。 連続的にモダリティ合成とセマンティックアライメントを行い、堅牢な診断を実現する。 最先端のSOTA(State-of-the-art)法では、それぞれ1.26%、0.97%、1.32%のAVG AUCの改善を実現している。
  論文  参考訳（メタデータ） (2026-05-25T15:44:26Z)
• A Systematic Benchmark of GAN Architectures for MRI-to-CT Synthesis [38.31064949197421]
  MRIからCTへの変換にはGANアーキテクチャが提案されている。 我々は,3つの解剖学的領域にわたるSynthRAD2025データセットを用いて評価した10のGANのベンチマークを示す。
  論文  参考訳（メタデータ） (2026-03-13T18:54:20Z)
• Why Registration Quality Matters: Enhancing sCT Synthesis with IMPACT-Based Registration [1.2560645967579729]
  我々のモデルは、ResNet-34エンコーダを備えた2.5D U-Net++であり、解剖学的領域間で共同で訓練され、各領域ごとに微調整されている。 ローカルテストセットでは、IMPACTベースの登録は相互情報ベースの登録よりも正確で解剖学的に整合性がある。
  論文  参考訳（メタデータ） (2025-10-24T11:40:21Z)
• Modality-AGnostic Image Cascade (MAGIC) for Multi-Modality Cardiac Substructure Segmentation [5.598783520441693]
  本研究は、総合的および多モード心部分構造セグメンテーションのためのModality-Agnostic Image Cascade (MAGIC)ディープラーニングパイプラインを導入し、検証する。 MAGICは、nU-Netバックボーンの複製エンコーディングとデコードによって実装され、マルチモーダル入力とオーバーラップラベルを処理する。
  論文  参考訳（メタデータ） (2025-06-12T15:10:24Z)
• A Comprehensive Framework for Automated Segmentation of Perivascular Spaces in Brain MRI with the nnU-Net [37.179674347248266]
  神経変性疾患では、PVS(perivascular space)の増大が一般的である。 現在不足している信頼性の高いPVS検出方法が必要である。
  論文  参考訳（メタデータ） (2024-11-29T09:19:57Z)

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。