DeferredSeg：信頼できる医療画像セグメンテーションのためのマルチエキスパート延期（デファー）フレームワーク

arXiv cs.CV / 2026/4/15

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文では、曖昧な領域における過信／過小評価を扱うことで、セグメンテーションの信頼性を向上させることを目的とした、延期（デファー）を考慮した医療画像セグメンテーションフレームワーク「DeferredSeg」を提案する。
DeferredSegは、集約された延期予測器とルーティング用チャネルを追加し、各ピクセルをベースとなるセグメンターまたは人間の専門家のいずれかへ送ることを可能にすることで、人間–AIの協調アプローチを実現する。
学習では、延期の判断を効率的に監督するためのピクセル単位の代理（サロゲート）協調損失と、延期領域を滑らかで空間的に一貫したものに保つための空間コヒーレンス損失を用いる。
本フレームワークは、相違（ディスクリパンシ）エキスパートを導入し、専門家の業務負荷を過負荷や過小利用なしに分散するための負荷分散ペナルティにより、マルチエキスパート設定へ拡張される。
MedSAMおよびCENetをベースセグメンターとして用いた3つの困難な医療データセットでの実験により、DeferredSegはベースラインを上回り、他のセグメンテーションアーキテクチャに対してもモデル非依存（model-agnostic）であることが示される。