論文の概要: Anchored Slice Propagation with Boundary Transport for 3D CT Segmentation from Three Orthogonal Annotated Slices
- arxiv url: http://arxiv.org/abs/2611.05693v1
- Date: Tue, 03 Nov 2026 22:21:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.890601
- Title: Anchored Slice Propagation with Boundary Transport for 3D CT Segmentation from Three Orthogonal Annotated Slices
- Title（参考訳）: 3本の直交アノテートスライスからの3次元CT分割のための境界輸送によるアンコレッドスライス進展
- Abstract要約: Sli2Volは隣接するスライス間の親和性を通じて二項マスクを伝搬する。
バイナリマスクは、フォアグラウンドメンバシップを記録するが、境界までの距離を破棄する。
固定された親和性バックボーンを用いて,これら2つのエラー源に対処する。
- 参考スコア（独自算出の注目度）: 5.006776992200245
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sli2Vol propagates a binary mask through affinities between adjacent slices, but an error can persist because each prediction becomes the input to the next step. Three orthogonal annotations reduce dependence on any one chain, yet they offer more than three starting masks: where a chain crosses another annotated plane, the correct label is already known. Those labels could correct drift during propagation and indicate how much to trust each chain at fusion. Between annotated planes, the information carried by the chain may matter as well. A binary mask records foreground membership but discards distance to the boundary, a cue that could help follow gradual shape changes between slices.We address these two sources of error with a fixed pretrained affinity backbone. We anchor each chain by correcting its prediction where it crosses another annotated plane, then use its agreement with those labels to weight fusion. We compare this anchored mask with two ways of transporting boundary geometry: a truncated signed-distance field (SDF) propagated by dense affinity averaging, and a contour whose vertices follow motion cues from the same affinity. The contour tracker starts from a hand-crafted rule and learns a motion correction from supervoxel pseudo-objects in 506 CT volumes, without manual organ labels. On 2,091 held-out structure instances from approximately 403 CT scans spanning 17 abdominal structures, anchoring raises mean Dice from 0.737 with orthogonal mask propagation to 0.769 and improves every structure. Beyond the anchored mask, learned contour tracking improves Dice by 5.7\% for the esophagus and 5.9\% for the postcava, while SDF transport improves right-adrenal Dice by 2.8\%. The anchored methods have similar mean Dice (0.769--0.772); contour tracking performs worse on the kidneys, stomach, and hepatic vessel tree.
- Abstract（参考訳）: Sli2Volは、隣接するスライス間の親和性を通じてバイナリマスクを伝搬するが、各予測が次のステップへの入力になるため、エラーは継続できる。
3つの直交アノテーションは任意の1つの鎖への依存を減少させるが、3つ以上の開始マスクを提供する。
これらのラベルは伝播中のドリフトを補正し、融合時にそれぞれのチェーンをどれだけ信頼するかを示す。
注釈付き平面の間には、チェーンによって運ばれる情報も重要かもしれない。
二元マスクは、前景のメンバーシップを記録するが、境界までの距離を捨てる。これはスライス間の段階的な形状変化に追従するのに役立つキューであり、固定された事前訓練された親和性バックボーンでこれら2つのエラー源に対処する。
それぞれのチェーンは、別のアノテートされた平面を横切る際の予測を補正し、それらのラベルとの合意を使って重み付けを行う。
我々は,このアンカーマスクと,密接な親和性平均化によって伝播する有界符号距離場(SDF)と,同一親和性から有極線が追従する輪郭の2つの境界形状の輸送方法を比較した。
輪郭トラッカーは手作りの規則から始まり、手動オルガンラベルなしで506CTボリュームのスーパーボクセル擬似物体から運動補正を学習する。
腹部17構造の約403個のCTスキャンから得られた2,091個のホールドアウト構造は、平均Diceを0.737から0.769まで上昇させ、全ての構造を改善している。
アンカーマスクの他に、学習した輪郭追跡は食道では5.7 %、後部では5.9 %、SDF輸送では右副腎では2.8 %である。
アンカー法は、Dice (0.769--0.772) と似た平均値を持ち、輪郭追跡は腎臓、胃、肝臓の血管木に悪影響を及ぼす。
関連論文リスト
- Mind the Gap: Mesh-Guided Repair of Broken Vessels [0.22067925276806286]
本稿では nnU-Net が生成する壊れた船体セグメントを修復するためのメッシュ誘導後処理フレームワークを提案する。
予測された各バイナリマスクに対して、変形可能なテンプレートメッシュが物理空間のマスク表面に取り付けられ、ケース固有の幾何学的足場として使用される。
AortaSeg24とSEGAを大動脈,TopCoWをWillis,PARSEを肺動脈の3つの血管解剖学的検討を行った。
論文 参考訳（メタデータ） (2026-09-24T13:22:19Z) - Inference-Time Orthogonal Seeding Enables Geometry-Aligned 3D Organ Segmentation for Slice-Propagation Methods [5.006776992200245]
単スライスボクセルレベルのアノテーションは3次元画像のセグメンテーションにおいて大きなボトルネックとなる。
キートレーニングと推論の選択がスライスプロパゲーションモデルにどのように影響するかを検討する。
論文 参考訳（メタデータ） (2026-08-12T23:44:26Z) - RibAssist 3D: Biplanar Rib-Fracture Detection, Addressing, and Selective 3D Localization from CT-Derived Projections [0.6768558752130311]
リブ骨折はCT(Computed tomography)で局所化するのに一般的で時間を要する
2つの直交CTからの投射で独立に検出された骨折は、視界をまたいでペアリングし、偽出力の制御速度で信頼できる3Dポイントに三角測量できるかどうかを問う。
本研究は、選択的3次元局所化のための再現可能なフレームワークを確立し、クロスビュー対応を主要な運用ボトルネックとして認識する。
論文 参考訳（メタデータ） (2026-08-07T07:47:20Z) - Support Operation Factorization: Compositional Readout of Frozen Vision Encoders under Controlled Interventions [87.95757610455173]
我々は、x演算グリッドとSO-OPFをサポートするために、インジェクティブに整合した残余セルアウトプロトコルを導入する。
グリッドが分かっているときにキャリアがホールドアウトバインディングを構成するかどうか、フラットなセルラベルからグリッドを回収できるかどうかという2つの質問を分離する。
論文 参考訳（メタデータ） (2026-08-06T15:38:55Z) - Misalignment Has a Personality: A Big Five Account of Emergent Misalignment [2.1117030125341385]
違和感は人格の変化のように振る舞う
我々は、グレード付き3段階の介入を用いて、ビッグファイブの個性ベクトルを抽出する。
校正された人格ベクトルは、不透明な安全現象を人間に適応可能な診断プロファイルに変換する。
論文 参考訳（メタデータ） (2026-07-29T01:48:03Z) - CaricHarmony: Contrastive Diffusion Paths for Identity-Preserving Caricature Synthesis [49.596677723190886]
スケッチベースの似顔絵合成は、基本的な失敗モードに悩まされる。
アイデンティティと形状の条件は拡散モデルに組み合わされ、地味な肖像画や認識不能な歪みに対して崩壊する。
並列な未汚染拡散経路を通じてこの汚染を明示的に解消する最初の訓練不要な手法であるCaricHarmonyを提案する。
論文 参考訳（メタデータ） (2026-06-11T22:57:59Z) - Right Makes Might: Aligning Verified Hidden States Empowers RL Reasoning [55.264863369127774]
現在の方法では、それぞれの正しいロールアウトを単一の報酬ビットに減らし、隠れた状態間で共有される幾何学的構造を無視している。
本稿では,RLトレーニングにおけるアンカートークンにおける正ロールアウトの最終層を,トレーニングと推論の両方においてゼロオーバーヘッドで整列する補助損失関数Hidden-Alignを提案する。
8つの数学的推論ベンチマークでは、Hidden-AlignはDAPOベースラインの平均パス@1をQwen3-1.7B, 4B, 14Bで3.8, 6.2, 5.4ポイント改善し、3つのスケールで一貫したパス@kゲインを得る。
論文 参考訳（メタデータ） (2026-06-02T06:51:15Z) - 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) - Segment, Lift and Fit: Automatic 3D Shape Labeling from 2D Prompts [50.181870446016376]
本稿では,2Dポイントやボックスプロンプトから3Dオブジェクトを自動的にラベル付けするアルゴリズムを提案する。
従来のアートとは異なり、自動ラベルはバウンディングボックスの代わりに3D形状を予測し、特定のデータセットのトレーニングを必要としない。
論文 参考訳（メタデータ） (2024-07-16T04:53:28Z)
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。