日本語タイトル#
DINOv3 を用いた医学画像登録のテスト時トレーニング
英文タイトル#
DINOv3 with Test-Time Training for Medical Image Registration
日本語要約#
従来の医学画像登録手法、特に学習ベースの方法は、大量のトレーニングデータを必要とし、臨床での採用を制約します。この制限を克服するために、凍結された DINOv3 エンコーダーと特徴空間における変形場のテスト時最適化に依存するトレーニング不要のパイプラインを提案します。2 つの代表的なベンチマークにおいて、この方法は正確であり、規則的な変形を生成します。腹部 MR-CT では、最良の平均 Dice スコア（DSC）0.790 を達成し、最低の 95 パーセンタイル Hausdorff 距離（HD95）4.9+-5.0 および Log-Jacobian の標準偏差（SDLogJ）0.08+-0.02 を持ちます。ACDC 心臓 MRI では、平均 DSC を 0.769 に改善し、SDLogJ を 0.11 に、HD95 を 4.8 に減少させ、初期アライメントに対して顕著な向上を示します。結果は、テスト時にコンパクトな基盤特徴空間で操作することが、追加のトレーニングなしで臨床登録のための実用的かつ一般的な解決策を提供することを示しています。
英文要約#
Prior medical image registration approaches, particularly learning-based methods, often require large amounts of training data, which constrains clinical adoption. To overcome this limitation, we propose a training-free pipeline that relies on a frozen DINOv3 encoder and test-time optimization of the deformation field in feature space. Across two representative benchmarks, the method is accurate and yields regular deformations. On Abdomen MR-CT, it attained the best mean Dice score (DSC) of 0.790 together with the lowest 95th percentile Hausdorff Distance (HD95) of 4.9+-5.0 and the lowest standard deviation of Log-Jacobian (SDLogJ) of 0.08+-0.02. On ACDC cardiac MRI, it improves mean DSC to 0.769 and reduces SDLogJ to 0.11 and HD95 to 4.8, a marked gain over the initial alignment. The results indicate that operating in a compact foundation feature space at test time offers a practical and general solution for clinical registration without additional training.
文章ページ#
PDF 入手#
抖音でスキャンしてさらに素晴らしいコンテンツを見る