DuMeta++: 多様な年齢をまたぐ一般化されたフューショット脳組織分割のための空間時間二重メタ学習

arXiv:2602.07174v1 Announce Type: new 要旨: MRI スキャン画像から脳組織を正確に分割することは神経科学および臨床応用のために不可欠ですが、人間の全生を通じた一貫した性能達成は、脳の姿容と形態の動的で年齢関連の変化のため難しいままでいます。先ほどの研究では、自己教師あり正則化を用いた縦断データのパiredデータでこれらのシフトを緩和しようとしてきましたが、そのようなデータは実際に利用できないことが多いです。これを解決するために、我々はペアリングされた縦断データを持たずに動作する二重メタ学習フレームワークである DuMeta++ を提案します。我々のアプローチは、(1) 年齢無視のセマンティック表現を抽出するためのメタ特徴学習、および (2) 分割モデルをデータ効率のある適応を可能にするためのメタ初期化学習を組み込みます。さらに、明示的な縦断監督なしに縦断一貫性を強制するために、メモリバンクに基づくクラス認知正則化戦略を提案します。我々は、DuMeta++ の収束を理論的に証明し、安定性を確保しました。Iseg-2019、IBIS、OASIS、ADNI といった多様なデータセットにおけるフューショット設定の下での実験は、DuMeta++ が既存の手法を超えて年齢間での一般化において優れていることを示しています。コードは https://github.com/ladderlab-xjtu/DuMeta++ で利用可能です。

arXiv:2602.07174v1 Announce Type: new Abstract: Accurate segmentation of brain tissues from MRI scans is critical for neuroscience and clinical applications, but achieving consistent performance across the human lifespan remains challenging due to dynamic, age-related changes in brain appearance and morphology. While prior work has sought to mitigate these shifts by using self-supervised regularization with paired longitudinal data, such data are often unavailable in practice. To address this, we propose \emph{DuMeta++}, a dual meta-learning framework that operates without paired longitudinal data. Our approach integrates: (1) meta-feature learning to extract age-agnostic semantic representations of spatiotemporally evolving brain structures, and (2) meta-initialization learning to enable data-efficient adaptation of the segmentation model. Furthermore, we propose a memory-bank-based class-aware regularization strategy to enforce longitudinal consistency without explicit longitudinal supervision. We theoretically prove the convergence of our DuMeta++, ensuring stability. Experiments on diverse datasets (iSeg-2019, IBIS, OASIS, ADNI) under few-shot settings demonstrate that DuMeta++ outperforms existing methods in cross-age generalization. Code will be available at https://github.com/ladderlab-xjtu/DuMeta++.