Fugu-MT 論文翻訳(概要): LungMend: A Healthy-Only Latent Diffusion Shape Prior for Lung Mask Correction in Severe Tuberculosis CT

論文の概要: LungMend: A Healthy-Only Latent Diffusion Shape Prior for Lung Mask Correction in Severe Tuberculosis CT

arxiv url: http://arxiv.org/abs/2611.06556v1
Date: Wed, 04 Nov 2026 14:18:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-06 03:25:58.133811
Title: LungMend: A Healthy-Only Latent Diffusion Shape Prior for Lung Mask Correction in Severe Tuberculosis CT
Title（参考訳）: LungMend:重度結核CTにおける肺マスクの矯正に先行した健常性に限局した拡散形態
Abstract要約: LungMendは、正常な解剖だけを使用してそのようなマスクを修正する後処理モデルである。 LungMendは、R231が見逃すキャビティと統合を回復し、専門家が注釈を付けたスライスで精度を向上する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Lung segmentation models such as R231 are widely used, but they fail on severe tuberculosis (TB) CT: cavities and consolidations look like non-lung tissue and are left out of the mask. We present LungMend, a post-processing model that corrects such masks using only healthy anatomy. A latent diffusion model, trained on healthy lungs with synthetically corrupted masks, learns to recover the complete lung from the faulty mask and the bone anatomy, without any pathological data or CT intensities. LungMend recovers cavities and consolidations that R231 misses and improves accuracy on expert-annotated slices. Code: https://github.com/noureddinekhiati/LungMend
Abstract（参考訳）: R231のような肺セグメンテーションモデルが広く用いられているが、重度の結核(TB)CTでは失敗し、空洞と結束は非肺組織のように見え、マスクから外される。健康な解剖だけでマスクを補正する後処理モデルであるLungMendを提案する。人工的に劣化したマスクで健康な肺で訓練された潜伏拡散モデルでは、病理データやCT強度を使わずに、不全マスクと骨解剖から完全な肺を回復することを学ぶ。 LungMendは、R231が見逃すキャビティと統合を回復し、専門家が注釈を付けたスライスで精度を向上する。コード:https://github.com/noureddinekhiati/LungMend

関連論文リスト

RT-Super: Learning Tumor Segmentation from Longitudinal Images and Reports [49.73378935988575]
腫瘍セグメンテーションマスクは高価で、時間がかかり、公開データでは多くの腫瘍タイプで利用できない。病院は、放射線学レポート、縦断画像、多相画像など、断片化をガイドできる膨大なデータを持っている。腫瘍セグメンテーションのためのAIの訓練において,腫瘍マスクの代わりに手軽に利用できるデータを用いている。
論文参考訳（メタデータ） (2026-09-28T17:06:07Z)
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)
LAND: Lung and Nodule Diffusion for 3D Chest CT Synthesis with Anatomical Guidance [11.420298943913075]
この方法は1mmの等方分解能で256x256x256の画像を1つの中距離GPUで合成する。コンディショニングマスクは肺と結節領域を規定し、出力された解剖学的特徴の正確な制御を可能にする。
論文参考訳（メタデータ） (2025-10-21T09:20:22Z)
Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
論文参考訳（メタデータ） (2024-01-31T21:05:34Z)
Extraction of Pulmonary Airway in CT Scans Using Deep Fully Convolutional Networks [0.0]
多地点から胸部CTスキャンで肺気道を自動的に抽出するために,2段階完全畳み込みネットワーク(FCN)を用いた。具体的には,U字型ネットワーク構造を持つ3次元FCNを用いて,肺気道を粗い解像度で分割する。報告した手法は,300件の公的研修セットと50件の独立した個人的検証セットを用いて評価した。
論文参考訳（メタデータ） (2022-08-12T15:56:21Z)
What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
論文参考訳（メタデータ） (2022-07-07T04:24:17Z)
Pulmonary Fissure Segmentation in CT Images Based on ODoS Filter and Shape Features [3.7006330637320897]
我々は、方位情報と等級情報を融合して、ファイジャー強化のための構造特徴を強調することにより、ODoSフィルタを採用する。大きさ場における肺細管と管状構造の形状差を考慮し, 形状測定法と3次元骨格化モデルを組み合わせて肺細管を切断する。
論文参考訳（メタデータ） (2022-01-23T02:43:03Z)
CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文参考訳（メタデータ） (2021-05-25T12:06:55Z)
Deep LF-Net: Semantic Lung Segmentation from Indian Chest Radiographs Including Severely Unhealthy Images [5.826056983051642]
胸部X線写真(胸部X線、CxR)は、様々な肺疾患の診断において重要な役割を担っている。正確な肺分画は、健康問題、年齢、性別による肺の形状のばらつきから非常に困難である。提案研究は,CxRからの肺の正確な分画に対する効率的な深部畳み込みニューラルネットワークの使用について検討した。
論文参考訳（メタデータ） (2020-11-19T07:21:02Z)
M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文参考訳（メタデータ） (2020-10-07T06:22:24Z)
Accurate Lung Nodules Segmentation with Detailed Representation Transfer and Soft Mask Supervision [19.64536342490214]
肺結節の小ささと多彩さは, 正確な肺結節の分節を困難にする。我々は、よりリッチで正確なエッジ詳細記述を持つSoft Maskという新しいセグメンテーションマスクを導入する。肺結節の低解像度像を高品質なセグメンテーション結果に処理するために, 詳細な表現伝達とソフトマスク監視(DSNet)を備えた新しいネットワークを提案する。
論文参考訳（メタデータ） (2020-07-29T02:38:02Z)

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。